深度学习笔记-吴恩达
深度学习-吴恩达
文章目录
- 深度学习-吴恩达
- 前言
- 一、神经网络
- 1.随机初始化
- 2.深层神经网络的前向传播
- 3.核对矩阵的维数
- 4.为什么使用深层表示
- 5.搭建深层神经网络块
- 6. 前向传播与反向传播
- 7. 参数与超参数
前言
随着人工智能的不断发展,深度学习这门技术也越来越重要,很多人都开启了学习机器学习,本文就介绍了深度学习的基础内容。
一、神经网络
1.随机初始化
问题: 为何初始化参数(w和b)不能为0?
假设输入为两个特征,网络存在两个隐藏单元。参数为0 ,此时两个隐藏单元始终都在做相同的计算,两个隐藏单元对输出的影响也一样大;当在反向传播时,对两个激活函数求导时结果也是相同的。所以在这种情况下,多个隐藏单元就显得无意义。
正确做法:
2.深层神经网络的前向传播
3.核对矩阵的维数
维度总结:
其中,小写针对单个样本的特征,大写针对所有样本的特征。
4.为什么使用深层表示
先从边缘特征入手进行探测,其次对脸的五官进行探测,最后将五官组合成脸部进行探测。在神经网络的前几层一般学习一些较低层次的简单特征,后几层再讲简单的特征结合起来,去探测更加复杂的内容。
5.搭建深层神经网络块
如上图所示,上半部分为前向传播的过程,下半部分为反向传播的过程。在前向传播中,a[l-1]作为输入,在参数w[l]和b[l]的作用下,输出a[l]并且缓存z[l];在反向传播过程中,da[l]作为输入,在参数w[l]和b[l]的作用下,输出da[l-1]并且缓存dw[l]和db[l]。
如上图所示,为神经网络正向传播和反向传播的具体流程图,也为程序代码编写的逻辑图。
6. 前向传播与反向传播
反向传播公式(对代价函数求导,具体求导过程省略,此处直接给出结果):
举例总结图:
7. 参数与超参数
超参数:例如学习率、隐藏层数、隐藏单元数、激活函数、momentum和mini batch等都可以称之为超参数,因为这些参数都最终决定着W和b。
深度学习笔记-吴恩达相关推荐
- 【深度学习】吴恩达深度学习-Course1神经网络与深度学习-第四周深度神经网络的关键概念编程(下)——深度神经网络用于图像分类:应用
在阅读这篇文章之前,请您先阅读:[深度学习]吴恩达深度学习-Course1神经网络与深度学习-第四周深度神经网络的关键概念编程(上)--一步步建立深度神经网络,这篇文章是本篇文章的前篇,没有前篇的基础 ...
- 深度学习基础----吴恩达课后编程练习(一)识别猫
目录 前言 一.数据预处理 1.加载数据 2.数据降维处理 3.标准化处理 二.搭建神经网络 1.定义模型结构 2.初始化模型参数 3.循环迭代 3.1 计算当前的损失(正向传播) 3.2 计算当前的 ...
- 360题带你走进深度学习!吴恩达深度学习课程测试题中英对照版发布
吴恩达的深度学习课程(deepLearning.ai)是公认的入门深度学习的宝典,本站将课程的课后测试题进行了翻译,建议初学者学习.所有题目都翻译完毕,适合英文不好的同学学习. 主要翻译者:黄海广 内 ...
- 吴恩达深度学习ppt_【深度学习】吴恩达谈深度学习:数据科学家需要知道这些...
数据科学家需要什么深度学习知识?吴恩达 (Andrew Ng)用机器看图说话,机器问答等实例告诉大家.本文是吴恩达在2015年12月在ExtractConf上的演讲摘录,含20分钟视频与ppt. An ...
- 3.12 总结-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.11 随机初始化 回到目录 4.1 深层神经网络 文章目录 总结 习题 第 21 题 第 22 题 第 23 题 第 24 题 第 25 题 第 26 题 第 27 题 ...
- 3.5 向量化实现的解释-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.4 多个例子中的向量化 回到目录 3.6 激活函数 向量化实现的解释 (Explanation for Vectorized Implementation) 在上一个视频 ...
- google lab 深度学习_吴恩达、李飞飞等化身超级英雄!深度学习漫画第一卷现已开源...
[新智元导读]深度学习版漫威来了!李飞飞发推称,在万圣节收到了一份意料之外的惊喜!在深度学习漫画的第一卷中,吴恩达.李飞飞.David Silver 纷纷化身超级英雄,发现他们面对着一个棘手的「救猫」 ...
- 【深度学习】吴恩达深度学习-Course3结构化机器学习项目-第一周机器学习(ML)策略(1)作业
题目仅含中文!! 视频链接:[中英字幕]吴恩达深度学习课程第三课 - 结构化机器学习项目 参考链接: [中英][吴恩达课后测验]Course 3 - 结构化机器学习项目 - 第一周测验 吴恩达< ...
- 2.19 总结-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 2.18 Logistic 损失函数的解释 回到目录 3.1 神经网络概览 文章目录 总结 习题 第 11 题 第 12 题 第 13 题 第 14 题 第 15 题 第 1 ...
- 3.10 直观理解反向传播-深度学习-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 3.9 神经网络的梯度下降法 回到目录 3.11 随机初始化 直观理解反向传播 (Backpropagation Intuition (Optional)) 这个视频主要是推 ...
最新文章
- WSAGetLastError:10004 一个封锁操作被对 WSACancelBlockingCall的调用中断 的解决
- 第20条:为私有方法名加前缀
- CodeForces - 1036D Vasya and Arrays(思维)
- Java中随机数的原理,以及使用时的注意点
- 《React源码解析》系列完结!
- 栈应用_检测成对符号是否正确使用(代码、分析、汇编)
- android qq红点,Android高仿QQ小红点功能
- 飞鸽传书2007绿色版的发展
- linux mysql搭建禅道详细教程_linux安装禅道的步骤
- 高可用高性能负载均衡软件HAproxy详解指南-第一章(简介、安装)
- python读取行政区txt文件实现行政区树_数据库的点数据根据行政区shp来进行行政区处理,python定时器实现...
- C# 实现对三维点数据的 显示
- #C语言或C++中强大的图形库——easyx
- DelayQueue实现原理及应用场景分析
- POI导出换行和水平居中
- 《C语言程序设计》讲义
- 16个经典面试问题及回答思路(推荐)
- css3 火焰文字,Css3字体做出火焰效果的实现步骤
- Ubuntu18右上角输入法图标突然消失,而且无法输入中文
- PostCSS received undefined instead of CSS string
热门文章
- 用rand(7)构造rand(10)
- Java 计算排列_java如何进行排列组合运算
- mysqld: [ERROR] Found option without preceding group in config file D:\MySql\MyS ql\my.ini at line 1
- Eclipse详细设置护眼背景色和字体(Hermit)颜色并导出
- 编写算法将数字编号“翻译”成英文编号(C语言)
- Remote使用出现的问题及解决办法
- elasticsearch 深入 —— 地理位置
- win10无法打开设置,桌面右键显示设置提示ms-settings:display 该文件没有与之关联的程序来执行该操作
- 利用Matlab实现单像空间后方交会
- 随机森林原始论文_SMAC: 基于随机森林的贝叶斯优化