文章目录一、前期工作1、设置GPU(如果是cpu，可忽略此步)2、导入数据3、归一化4、可视化图片5、调整图片格式二、构建CNN网络模型三、编译模型四、训练模型五、预测六、知识点详解1、MNIST手写数字数据集介绍2、神经网络程序说明3、网络结构说明参考资料 一、前期工作1、设置GPU(如果是cpu，可忽略此步)import tensorflow as tf
gpus = tf.config.l
转载
2023-10-12 13:38:57
185阅读
CNN的提出以及优势简单卷积网络示例池化层其他使用卷积的原因 相比标准神经网络，对于大量的输入数据，卷积过程有效地减少了 CNN 的参数数量，原因有以下两点： 1，参数共享（Parameter sharing）：特征检测如果适用于图片的某个区域，那么它也可能适用于图片的其他区域。即在卷积过程中，不管输入有多大，一个特征探测器（滤波器）就能对整个输入的某一特征进行探测。 2，稀疏连接（Spar
转载
2023-10-19 10:52:50
90阅读
1、灰度图像，边缘检测， 使用核函数的缺点，图像的向量会不断的缩小，另外一个就是边缘的向量相比于中间的向量被覆盖的次数会少很多。解决这个的方法就是padding在图像的周围再添加一圈向量。2、核函数通常是奇数维向量3、卷积层，池化层：选出某一区域的最大值，另外还有 平均池化，就是求一个小区域的均值，全连接层：类似于普通的神经网络，将最后的比如120*1的列向量全连接映射到80*1的列向
转载
2023-06-02 15:09:28
67阅读
## 卷积神经网络吴恩达
卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习模型，广泛应用于图像识别、自然语言处理等领域。吴恩达（Andrew Ng）是计算机科学家和深度学习专家，在CNN的研究和教育方面有着重要贡献。
### CNN结构
卷积神经网络由多层卷积层、池化层和全连接层组成。卷积层用于提取特征，池化层用于降维和减少过拟合，全连接层用于分
原创
2024-03-12 05:09:08
63阅读
一-YOLO algorithm把输入的图片分割成3X3个格子或19X19个格子，每个格子进行检测输出八个特征，3X3就输出3X3X8个向量。YOLO算法的优点是不需要一个算法跑很多次。相反这是单次卷积实现，在处理计算时很多步骤都是共享的，而且运行速度非常快可以达到实时识别。对象中点的坐标在哪个格子就分配到哪个格子，因为对象可能横跨多个格子。二、YOLO算法用非极大值抑制可以使输出...
原创
2021-06-01 16:49:17
714阅读
一、垂直边缘检测1、图片如果是黑白的就是像素*像素*1，如果是彩色的就是像素*像素*3【后面数字是维度】3表示RGB对图片进行卷积运算如图所示，6x6的图片*3x3的图片=4x4的图片，计算过程如下图：4x4每个元素的计算是把3x3的矩阵一行一行的覆盖在6x6的矩阵上，大图片每一列的元素乘以小图片的每一列然后相加得到4x4图片的每个元素，中间的图片称谓过滤器。在Py...
原创
2021-06-01 16:49:20
397阅读
这一节主要是对卷积神经网络（CNN）的一个了解和基础知识的学习，本文主要记录了自己在学习时的笔记内容。 对于计算机视觉应用来说，肯定不希望其处理小图片，要处理的都是比较大的图片，但是因为数据量的巨大让人无法接受，因此需要进行卷积运算。1、边缘检测直观上的图形显示示例： &
转载
2023-10-13 00:01:25
151阅读
文章目录一、计算机视觉（Computer Vision）二、边缘检测（Edge Detection）1. 边缘检测例子（Edge Detection Example）2. 更多边缘检测的例子（More Edge Detection）三、padding 与 Strided Convolutions1. padding2. 卷积步长（Strided Convolutions）四、高维卷积（Convo
转载
2023-10-13 00:05:06
68阅读
作者：jliang 《深度学习工程师-吴恩达》03卷积神经网络—卷积神经网络 总结 1.重点归纳1）神经网络解决的视觉问题（1）图片分类（2）目标检测（3）图片风格迁移2）卷积神经网络的padding（1）不进行padding时存在的问题图像会缩小在边缘区域的像素点在输出中采用较少，意味丢掉了图像边缘位置信息（2）padding类型Valid卷积：不填充，输出图像大小：(n-f
转载
2023-11-29 20:52:32
28阅读
目录1. 计算机视觉2. 边缘检测示例3. 更多边缘检测4. Padding5. 卷积步长6. 三维卷积7. 单层卷积网络8. 简单卷积网络示例9. 池化层10. 卷积神经网络示例11. 为什么使用卷积？作业参考：吴恩达视频课深度学习笔记1. 计算机视觉举例：图片猫?识别，目标检测(无人驾驶)，图像风格转换(比如转成素描)等等面临的挑战：数据的「输入」可能会「非常大」一张1000×1000的图片，
转载
2024-01-08 18:02:36
79阅读
【第一章】神经网络基础目录：（一，1NN-QI）神经网络与深度学习（一、2NN-QI）改善深层神经网络（一、3NN-QI）结构化机器学习项目（ 一、4NN-QI）卷积神经网络（一、5NN-QI）序列模型，循环神经网络本篇内容为从神经网络基础到量化投资应用的第一章神经网络基础之第四节内容，主要介绍了卷积神经网络，卷积神经网络主要是作用在图片识别中的应用。下面介绍了什么叫卷积、卷积神经网络怎么搭建、卷
转载
2024-01-12 14:44:55
104阅读
神经网络的监督学习(Supervised Learning with Neural Networks)监督式学习（Supervised Learning）的。监督式学习与非监督式学习本质区别就是是否已知训练样本的输出y。在实际应用中，机器学习 解决的大部分问题都属于监督式学习，神经网络模型也大都属于监督式学习。 吴恩达老师举例说明神经网络已经被
转载
2023-09-13 16:00:30
65阅读
吴恩达改善深层神经网络章节笔记（三）——参数调试和Batch Normalize1. 调试处理 (Tuning Process)2. 为超参数选择合适的范围 (Using an Appropriate Scale to Pick Hyperparameters)2.1 线性轴标度2.2 对数轴标度3. 超参数训练实战：Pandas vs. Caviar (Hyperparameters Tuni
转载
2024-01-18 18:47:10
36阅读
一、神经网络前向传播一、作业内容在上一章的练习中，实现了多类逻辑回归来识别手写数字。但是逻辑回归只是一个线性分类器，不能形成更复杂的假设。神经网络将能够表示形成非线性假设的复杂模型。我们将使用已经训练过的神经网络的参数，实现使用前馈传播算法来对我们的权值进行预测。在这部分练习中，我们将使用与前面多类逻辑回归来识别手写数字相同的训练集实现一个神经网络来识别手写数字。 数据集下载位置(包含吴恩达机器学
转载
2023-12-11 22:01:06
105阅读
通过核对矩阵维数来推导反向传播公式
由于之前看的深度学习的知识都比较零散，补一下吴老师的课程希望能对这块有一个比较完整的认识。课程分为5个部分（粗体部分为已经看过的）：神经网络和深度学习改善深层神经网络：超参数调试、正则化以及优化结构化机器学习项目卷积神经网络序列模型第 1 部分讲的是神经网络的基础，从逻辑回归到浅层神经网络再到深层神经网络。一直感觉反向
转载
2023-07-27 20:35:24
65阅读
之前的学习中了解了一些基本的知识和定义，接下来开始学习核心一点点的东西了。一、神经网络表示神经网络的表示方法主要有层数、特征数这些来标记。 在给出的PPT中，层数是通过在右上角加入[i]进行标记。 在我的理解中，对于不同的神经元，我们可以配置不同的参数来提取不同的特征。在每个神经元中，保存如下信息：该神经元的参数。通过神经元参数和输入的特征，计算并作为该神经元的输出提供给下一层神经网络。 所以如这
转载
2024-01-16 01:34:20
35阅读
4.0神经网络反向传播反向传播BP算法由信号的正向传播和误差的反向传播两个过程组成。正向传播时，输入样本从输入层进入网络，经隐层逐层传递至输出层，如果输出层的实际输出与期望输出(导师信号)不同，则转至误差反向传播；如果输出层的实际输出与期望输出(导师信号)相同，结束学习算法。反向传播时，将输出误差(期望输出与实际输出之差)按原通路反传计算，通过隐层反向，直至输入层，在反传过程中将误差分摊给各层的各
转载
2023-10-23 21:37:53
77阅读
吴恩达机器学习作业四：BP神经网络1.1 Visualizing the data这与上一个练习中使用的数据集相同。ex3data1.mat中有5000个训练示例，其中每个训练示例是数字的20像素乘20像素灰度图像。每个像素由一个浮点数表示，表示该位置的灰度强度。像素的20乘20网格被“展开”成400维向量。这些训练示例中的每一个都成为我们的数据矩阵X中的一行。这给了我们一个5000×400的矩阵
转载
2023-10-18 08:47:52
66阅读
# 吴恩达卷积神经网络笑脸识别
## 1. 简介
卷积神经网络（Convolutional Neural Network，CNN）是一种广泛应用于图像识别和计算机视觉任务的深度学习模型。吴恩达是该领域的知名学者和从业者，在他的研究和教学中广泛使用CNN。本文将介绍吴恩达提出的一种卷积神经网络模型，用于笑脸识别任务，并提供相应的代码示例。
## 2. CNN流程图
```mermaid
fl
原创
2023-08-24 18:03:31
89阅读
这是习题和答案的下载地址，全网最便宜，只要一积分哦~~~这是我总结的网课里有关神经网络的笔记，不要积分的~~~0.综述 神经网络的练习，比work3part2更加全面，包括了反向传播，显示隐藏层，参数正确性的验证等几个方面。 脚本太长，就不往上放了。1.Loading and Visualizing Data
转载
2023-11-27 21:44:42
51阅读
