课程大纲：Python 实现深度神经网络培训
1 深度学习基本概念
2 反向传播算法
3 NumPy 基本运算
4 神经网络的应用
1
深度学习基本概念
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
2
导数、梯度及矩阵运算
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
3
反向传播算法
1.链式法则与“计算图”的概念
2.反向传播算法
4
浅层神经网络识别英文字母
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
5
深度学习实战
1.梯度消失问题
2.交叉熵损失函数
请
登录
后发表评论
新评论
全部
第1节
第2节
第3节
第4节
第5节
第6节
第7节
第8节
第9节
第10节
第11节
第12节
第13节
第14节
第15节
第16节
第17节
我的报告 / 所有报告
加入高级会员获得助教答疑
