吴恩达 深度学习 编程习题
时间: 2023-08-22 11:08:16 浏览: 70
根据引用,吴恩达教授提到深度学习领域是一个经验性的过程,需要不断尝试调整超参数来找到最优值。对于深层网络的选择,吴恩达教授在引用中提到,深层网络在人脸识别等任务中具有更好的性能。在实验中,吴恩达教授构建了两个神经网络,一个是两层的模型,一个是多层的模型,都使用了猫图数据集来进行预测。你可以参考引用中的链接来了解更多关于吴恩达深度学习编程习题的内容。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* *3* [深度学习基础---吴恩达课后编程练习(三)---搭建深层神经网络](https://blog.csdn.net/qq_44934596/article/details/126806957)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"]
[ .reference_list ]
相关问题
吴恩达深度学习编程题
吴恩达深度学习编程题主要包括深层神经网络编程练习和使用numpy构建基本函数的任务。在深层神经网络编程练习中,涉及到深层网络用到的函数、初始化模型参数及反向传播、两层L层神经网络模型等内容。而在使用numpy构建基本函数的任务中,主要是通过numpy库来处理矩阵和向量的运算,而不是使用math库处理实数的函数,因为深度学习中更多地使用矩阵和向量。所以在这些题目中,使用numpy更加有用。
吴恩达深度学习正则化编程作业
吴恩达深度学习正则化编程作业是指在深度学习课程中的一个编程作业,主要涉及参数初始化、正则化和梯度检验等知识点。这个作业的代码实现参考了一篇博客【1】【2】,该博客提供了详细的讲解和代码示例。在这个作业中,主要创建了三个文件init_utils.py、reg_utils.py和gc_utils.py,分别用于封装神经网络的参数初始化、正则化和梯度检验操作。神经网络的结构是两层,包括一个输入层、一个隐藏层和一个输出层【3】。如果你对这个作业有具体的问题,请告诉我,我会尽力帮助你。