没有合适的资源?快使用搜索试试~ 我知道了~
首页吴恩达深度学习课程笔记:入门与实战指南
吴恩达深度学习课程笔记:入门与实战指南
需积分: 0 1 下载量 45 浏览量
更新于2024-06-18
1
收藏 26.07MB PDF 举报
深度学习笔记是由黄海广主编,针对吴恩达老师在Coursera平台上开设的深度学习课程——DeepLearning.ai进行的学习材料。这门课程专为有一定编程基础,熟悉Python,并对机器学习有一定了解的专业人士设计,旨在让他们掌握深度学习这一科技行业的热门技能。课程涵盖了深度学习的基础理论,如卷积神经网络(CNN),递归神经网络(RNN),长短期记忆(LSTM)等常用网络结构。 课程内容丰富,包含构建神经网络的实际操作,让学生能够运用所学知识解决实际问题,如医疗诊断、自动驾驶、自然语言处理等领域的挑战,甚至涉及音乐生成等前沿领域。课程采用Python语言和TensorFlow框架,吴恩达本人作为导师,课程助教则来自斯坦福大学计算机系,确保教学质量。 由于Coursera的字幕不完整,黄海广博士出于帮助学员克服学习困难的初衷,与曹骁威同学一起组织了一支爱好者团队,提供了中英文字幕,以便于学习者更好地理解和跟进课程内容。目前,黄海广博士正在组织志愿者团队整理更详尽的中文笔记,这些笔记不仅包括视频内容的总结,还有深入的解释和实战指导,旨在帮助学生系统地掌握深度学习,并为他们的职业生涯在人工智能领域打下坚实的基础。 整个课程预计需要3-4个月的时间来完成,学生通过后将获得DeepLearning Specialization的结业证书。课程强调的是深度学习的实际应用和理解,而非仅仅是理论讲解,这使得它成为Coursera上填补深度学习全面教学空白的重要资源。
资源详情
资源推荐
第一门课 神经网络和深度学习(Neural Networks and Deep Learning)-第一周:深度学习引言(Introduction to
Deep Learning)
4
1.2 什么是神经网络?(What is a Neural Network)
我们常常用深度学习这个术语来指训练神经网络的过程。有时它指的是特别大规模的神
经网络训练。那么神经网络究竟是什么呢?在这个视频中,我会讲解一些直观的基础知识。
让我们从一个房价预测的例子开始讲起。
假设你有一个数据集,它包含了六栋房子的信息。所以,你知道房屋的面积是多少平方
英尺或者平方米,并且知道房屋价格。这时,你想要拟合一个根据房屋面积预测房价的函数。
如果你对线性回归很熟悉,你可能会说:“好吧,让我们用这些数据拟合一条直线。”于
是你可能会得到这样一条直线。
但有点奇怪的是,你可能也发现了,我们知道价格永远不会是负数的。因此,为了替代
一条可能会让价格为负的直线,我们把直线弯曲一点,让它最终在零结束。这条粗的蓝线最
终就是你的函数,用于根据房屋面积预测价格。有部分是零,而直线的部分拟合的很好。你
也许认为这个函数只拟合房屋价格。
作为一个神经网络,这几乎可能是最简单的神经网络。我们把房屋的面积作为神经网络
的输入(我们称之为𝑥),通过一个节点(一个小圆圈),最终输出了价格(我们用𝑦表示)。
其实这个小圆圈就是一个单独的神经元。接着你的网络实现了左边这个函数的功能。
在有关神经网络的文献中,你经常看得到这个函数。从趋近于零开始,然后变成一条直
线。这个函数被称作 ReLU 激活函数,它的全称是 Rectified Linear Unit。rectify(修正)可以
理解成𝑚𝑎𝑥(0,𝑥),这也是你得到一个这种形状的函数的原因。
第一门课 神经网络和深度学习(Neural Networks and Deep Learning)-第一周:深度学习引言(Introduction to
Deep Learning)
5
你现在不用担心不理解 ReLU 函数,你将会在这门课的后面再次看到它。
如果这是一个单神经元网络,不管规模大小,它正是通过把这些单个神经元叠加在一起
来形成。如果你把这些神经元想象成单独的乐高积木,你就通过搭积木来完成一个更大的神
经网络。
让我们来看一个例子,我们不仅仅用房屋的面积来预测它的价格,现在你有了一些有关
房屋的其它特征,比如卧室的数量,或许有一个很重要的因素,一家人的数量也会影响房屋
价格,这个房屋能住下一家人或者是四五个人的家庭吗?而这确实是基于房屋大小,以及真
正决定一栋房子是否能适合你们家庭人数的卧室数。
换个话题,你可能知道邮政编码或许能作为一个特征,告诉你步行化程度。比如这附近
是不是高度步行化,你是否能步行去杂货店或者是学校,以及你是否需要驾驶汽车。有些人
喜欢居住在以步行为主的区域,另外根据邮政编码还和富裕程度相关(在美国是这样的)。
但在其它国家也可能体现出附近学校的水平有多好。
在图上每一个画的小圆圈都可以是 ReLU 的一部分,也就是指修正线性单元,或者其它
稍微非线性的函数。基于房屋面积和卧室数量,可以估算家庭人口,基于邮编,可以估测步
行化程度或者学校的质量。最后你可能会这样想,这些决定人们乐意花费多少钱。
对于一个房子来说,这些都是与它息息相关的事情。在这个情景里,家庭人口、步行化
第一门课 神经网络和深度学习(Neural Networks and Deep Learning)-第一周:深度学习引言(Introduction to
Deep Learning)
6
程度以及学校的质量都能帮助你预测房屋的价格。以此为例,𝑥 是所有的这四个输入,𝑦 是
你尝试预测的价格,把这些单个的神经元叠加在一起,我们就有了一个稍微大一点的神经网
络。这显示了神经网络的神奇之处,虽然我已经描述了一个神经网络,它可以需要你得到房
屋面积、步行化程度和学校的质量,或者其它影响价格的因素。
神经网络的一部分神奇之处在于,当你实现它之后,你要做的只是输入𝑥,就能得到输出𝑦。
因为它可以自己计算你训练集中样本的数目以及所有的中间过程。所以,你实际上要做的就
是:这里有四个输入的神经网络,这输入的特征可能是房屋的大小、卧室的数量、邮政编码
和区域的富裕程度。给出这些输入的特征之后,神经网络的工作就是预测对应的价格。同时
也注意到这些被叫做隐藏单元圆圈,在一个神经网络中,它们每个都从输入的四个特征获得
自身输入,比如说,第一个结点代表家庭人口,而家庭人口仅仅取决于𝑥
1
和𝑥
2
特征,换句话
说,在神经网络中,你决定在这个结点中想要得到什么,然后用所有的四个输入来计算想要
得到的。因此,我们说输入层和中间层被紧密的连接起来了。
值得注意的是神经网络给予了足够多的关于𝑥和𝑦的数据,给予了足够的训练样本有关𝑥
和𝑦。神经网络非常擅长计算从𝑥到𝑦的精准映射函数。
这就是一个基础的神经网络。你可能发现你自己的神经网络在监督学习的环境下是如此
的有效和强大,也就是说你只要尝试输入一个𝑥,即可把它映射成𝑦,就好像我们在刚才房价
预测的例子中看到的效果。
在下一个视频中,让我们复习一下更多监督学习的例子,有些例子会让你觉得你的网络
会十分有用,并且你实际应用起来也是如此。
第一门课 神经网络和深度学习(Neural Networks and Deep Learning)-第一周:深度学习引言(Introduction to
Deep Learning)
7
第一门课 神经网络和深度学习(Neural Networks and Deep Learning)-第一周:深度学习引言(Introduction to
Deep Learning)
8
1.3 神经网络的监督学习(Supervised Learning with Neural
Networks)
关于神经网络也有很多的种类,考虑到它们的使用效果,有些使用起来恰到好处,但事
实表明,到目前几乎所有由神经网络创造的经济价值,本质上都离不开一种叫做监督学习的
机器学习类别,让我们举例看看。
在监督学习中你有一些输入𝑥,你想学习到一个函数来映射到一些输出𝑦,比如我们之前
提到的房价预测的例子,你只要输入有关房屋的一些特征,试着去输出或者估计价格𝑦。我
们举一些其它的例子,来说明神经网络已经被高效应用到其它地方。
如今应用深度学习获利最多的一个领域,就是在线广告。这也许不是最鼓舞人心的,但
真的很赚钱。具体就是通过在网站上输入一个广告的相关信息,因为也输入了用户的信息,
于是网站就会考虑是否向你展示广告。
神经网络已经非常擅长预测你是否会点开这个广告,通过向用户展示最有可能点开的广
告,这就是神经网络在很多家公司难以置信地提高获利的一种应用。因为有了这种向你展示
你最有可能点击的广告的能力,而这一点击的行为的改变会直接影响到一些大型的在线广告
公司的收入。
计算机视觉在过去的几年里也取得了长足的进步,这也多亏了深度学习。你可以输入一
个图像,然后想输出一个索引,范围从 1 到 1000 来试着告诉你这张照片,它可能是,比方
说,1000 个不同的图像中的任何一个,所以你可能会选择用它来给照片打标签。
深度学习最近在语音识别方面的进步也是非常令人兴奋的,你现在可以将音频片段输入
剩余780页未读,继续阅读
hang_0331
- 粉丝: 0
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- OptiX传输试题与SDH基础知识
- C++Builder函数详解与应用
- Linux shell (bash) 文件与字符串比较运算符详解
- Adam Gawne-Cain解读英文版WKT格式与常见投影标准
- dos命令详解:基础操作与网络测试必备
- Windows 蓝屏代码解析与处理指南
- PSoC CY8C24533在电动自行车控制器设计中的应用
- PHP整合FCKeditor网页编辑器教程
- Java Swing计算器源码示例:初学者入门教程
- Eclipse平台上的可视化开发:使用VEP与SWT
- 软件工程CASE工具实践指南
- AIX LVM详解:网络存储架构与管理
- 递归算法解析:文件系统、XML与树图
- 使用Struts2与MySQL构建Web登录验证教程
- PHP5 CLI模式:用PHP编写Shell脚本教程
- MyBatis与Spring完美整合:1.0.0-RC3详解
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功