使用 Python 实现深度神经网络 会员

关注
1568 人学过 241人关注 29人评论

本课程手把手教你使用 Python 实现一个深度神经网络,让你在实际动手的过程中理解深度学习的一些基本原理,带你真正入门深度学习。

实验1
深度学习基本概念
知识点: 1.如何让机器“学习” 2.神经网络的概念 3.有监督与无监督学习的区别 4.回归与分类的区别 5.损失函数的概念 6.梯度下降算法介绍 7.超参数的概念
实验2
导数与梯度、矩阵运算性质、科学计算库numpy
知识点: 1.导数、偏导、梯度、链式法则 2.矩阵运算基本法则 3.numpy基本运算介绍
实验3
快速计算梯度的魔法--反向传播算法
知识点: 1.链式法则与“计算图”的概念 2.反向传播算法
实验4
使用浅层神经网络识别图片中的英文字母
知识点: 1.“浅层”与“深度”的区别 2.泛化性能 3.随机梯度下降算法 4.如何对矩阵求导 5.编写我们的损失层
实验5
深度学习
知识点: 1.梯度消失问题 2.交叉熵损失函数
登录 后发表评论
最新评论
全部 第1节 第2节 第3节 第4节 第5节

0% Complete

加载中,精彩就在后面...

卡住了?点击重试