卷积神经网络 — 卷积神经网络基础 本部分整理了吴恩达课程学习笔记，但是并没有完全按照课程顺序，而是做了一些调序和删减。 1.边缘检测 卷积神经网络之所以叫卷积神经网络，是因为它包含有卷积操作。下面是在利用卷积实现边缘检测的过程： 边缘检测包括水平检测和垂直检测等多种类型，如上图所示。 ①垂直边缘检测： 为了方便描述，在这里用灰度图像来表示，即是一个height×width的矩阵。课程里采用的是一个6×6的图片，以及一个3×3的filter（即卷积核）进行卷积运算。如图所示： 其实，其计算过程是非常容易理…

1.首先可以安装VS也可以不安装VS。VS可以安装2013/2015/2017版本。 2.然后下载CUDA9.0版本。目前最新版本是CUDA9.1版，但是貌似Tensorflow目前还不支持CUDA9.1版。 下载地址为：https://developer.nvidia.com/cuda-downloads 点击legacy release，然后选择相应的版本和操作系统。 如图所示。一般情况下选择exe[local]版本，然后选择下载base installer。下载之后，然后进行安装。具体不再叙述。 3.然后下载…

欢迎来到本周的编程训练。到目前为止，你已经经常使用numpy来组建神经网络。现在，我们将通过一个深度学习框架来让你更简单的创建一个深度网络。像Tensorflow、PaddlePaddle、Torch、Caffe、Keras等其它的机器学习网络能够显著加速你的机器学习速度。所有的这些模型都有许多你可以免费阅读的文档。在本次作业中，你将要在TensorFlow中学会以下内容： （1）初始化变量 （2）开始你自己的session （3）训练算法 （4）执行一个神经网络 编程不仅能够缩短你的编程时间，而且有时候能加速你代…

1. Mini-batch 梯度下降法 对整个训练集进行梯度下降法的时候，我们必须处理整个训练数据集，然后才能进行一步梯度下降，即每一步梯度下降法需要对整个训练集进行一次处理，如果训练数据集很大的时候，处理速度就会非常慢。如果我们每次训练的时候只训练一小部分，则我们的算法速度会执行的更快。而处理的这些一小部分训练子集即称为Mini-batch。 整个算法的过程如图所示： 图1 接下来对不同size情况下性能进行比较： （1）batch梯度下降：  ·    &nbs…

优化方法 直到现在，你已经能够经常使用梯度下降来更新你的参数和最小化代价。在本次作业中，你将学到更多优秀的优化方法以来加速学习速度，并且可能最后得到一个更好的代价函数的最终结果。拥有一个好的优化算法要比等待数日或数小时来得到一个好结果更有意义。 梯度下降就像是一个代价函数J下山一般。 为了能够开始本作业，首先当然是载入所用到的包。 import numpy as np import matplotlib.pyplot as plt import …

梯度检验 欢迎来到本周的最后作业！ 在这个任务中，您将学习实现并使用梯度检验。 您是全球范围内开展移动支付的团队的一部分，并被要求建立一个深度学习模式来检测欺诈行为 - 每当有人付款时，您想要查看付款是否有欺诈行为，例如用户 帐户已被黑客占用。 但是反向传播实施起来相当具有挑战性，有时会有错误。 因为这是关键任务应用程序，所以贵公司的首席执行官要真正确定您的反向传播实施是正确的。 你的首席执行官说：“给我一个证明你的反向传播实际上是有效的！” 为了让这个保证，你将使用“梯度检验”。 我们开始做吧！ 首先依旧是导入所…

正则化 Let's first import the packages you are going to use. # import packages import numpy as np import matplotlib.pyplot as plt from reg_utils import sigmoid, relu, plot_decision_boundary from…