- 博客(6)
- 收藏
- 关注
RSS订阅原创 李宏毅深度学习Task06
卷积神经网络1.使用卷积神经网络CNN应具备哪些特征(1)通过所给图片的某一小部分内容就可以识别整张图片的信息;(2)同样的模式或者内容在不同图片中所处的位置不同,但是仍然只需要使用一个网络就可以;(3)对于一张较大的图片,可以subsampling减小图片的尺寸信息,不会影响识别的结果2.卷积神经网络的架构Input--Convolution--Pooling---Convolution--Pooling---....---Flatten---全连接前馈网络3.CNN中各部分的具体是如
2021-07-24 23:19:39
242
原创 李宏毅深度学习Task05
是一个zero vector,绿色的这一项完全都不见了,只剩下红色的这一项,所以当在critical point的时候,这个loss function,它可以被近似为加上红色的这一项通过Hessian进行判断Batch大小的优缺点对比，应该设置为超参数利用Gradient和Momentum调整参数Learning rate动态调整Batch normalization...
2021-07-22 00:07:23
254
原创 李宏毅深度学习Task04
1.深度学习简介三个步骤：神经网络设计；模型好坏评估；最优函数选择a. 神经网络设计神经网络：完全连接前馈神经网络完全？因为相邻两层之间的每个单元彼此之间都互相关联前馈？信号流动是单向的，都是从输入到输出深度？整个网络中隐藏层的层数是不定的，可以很多层，当然计算量也会增大，精度会提高隐藏层？中间层数和结构可以自行设计b. 模型评估不同于前面机器学习模型，使用交叉熵定义Loss functionc. 选择最优函数使用梯度下降选择最优函数；后面介绍使用反向传播来进行计
2021-07-18 23:34:14
93
2
原创 李宏毅深度学习Task03
1.误差从哪里来？模型拟合中误差来源：bias，variance简单的模型一般具有较大的bias，较小的variance；对于复杂的模型刚刚相反，因为模型越复杂，函数集就越有可能包括target function，所以bias越小。模型拟合中存在的问题：欠拟合（bias偏大，variance偏小）；过拟合（bias偏小，variance偏大）解决方法：（1）large bias：增加输入；提高模型复杂度（2）large variance：采用更多的数据（3）平衡bias和vari
2021-07-17 01:15:11
57
原创 李宏毅深度学习Task02
课程内容：回归Regression，回归演示回归定义：根据training data和test data，寻找一个合适的function，输入指定的input，获取数值output回归过程：(p.s. 以宝可梦为例说明)step1：模型构建输入：宝可梦的各种feature，例如当前生命值，身高等输出：估计的生命值模型：线性模型，y=b+wxstep2：函数评价利用训练数据进行函数的评价，定义loss function，用于评估模型建立的好坏L(f)=.
2021-07-14 13:32:14
64
原创 李宏毅深度学习Task01
李宏毅深度学习Task01课程内容1.机器学习介绍；2.为什么需要机器学习课程知识点回顾什么是机器学习？机器学习就是【寻找一个函数】，当给定某一个输入后，输出指定的输出。p.s. 自己的表述依旧不够清晰2.机器学习的框架中有哪些组成呢？组成：(1)一个庞大的函数集，内有各种函数；（2）已知的用于训练的数据；(3)选取最优函数的算法过程：利用训练数据对函数集中的函数进行优劣评估，然后利用算法寻找庞大的函数集中的最优函数，而不是逐一测试3.机器学习的过程是什么？(1)训练；(2)测
2021-07-12 19:20:26
56
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人