前言

吳恩達(dá)的課程堪稱經(jīng)典，有必要總結(jié)一下。
學(xué)以致用，以學(xué)促用，通過(guò)筆記總結(jié)，鞏固學(xué)習(xí)成果，復(fù)習(xí)新學(xué)的概念。

目錄

文章目錄

• 前言
• 目錄
• 正文
• • 超參數(shù)調(diào)整。

正文

超參數(shù)調(diào)整。

超參數(shù)信息。
用隨機(jī)測(cè)試的方法而不是格點(diǎn)法，測(cè)試所有的超參數(shù)。

選擇適宜的節(jié)點(diǎn)數(shù)。

隨機(jī)選擇超參數(shù)。
超參數(shù)調(diào)整時(shí)的適宜步伐。
指數(shù)化梯度回歸的超參數(shù)。
超參數(shù)測(cè)試時(shí)情形。
精心訓(xùn)練一個(gè)模型，或者同時(shí)訓(xùn)練很多個(gè)模型。
對(duì)輸入進(jìn)行標(biāo)準(zhǔn)化可以加速你的學(xué)習(xí)進(jìn)度。
實(shí)現(xiàn)批量歸一化。
在一個(gè)網(wǎng)絡(luò)中加入批歸一化。
使用小批量樣本進(jìn)行工作。
實(shí)現(xiàn)小批量樣本的梯度下降。
在偏移了的輸入分布上訓(xùn)練算法。
為什么偏移的分布會(huì)影響到神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)。
批標(biāo)準(zhǔn)化也是正則化的一種。
測(cè)試時(shí)的批標(biāo)準(zhǔn)化。
訓(xùn)練識(shí)別不同生物。

softmax例子，進(jìn)行調(diào)整。
理解softmax。
損失函數(shù)。
總結(jié)一個(gè)softmax分類器。
深度學(xué)習(xí)框架。
激活問(wèn)題。
代碼例子。

與50位技術(shù)專家面對(duì)面20年技術(shù)見(jiàn)證，附贈(zèng)技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的吴恩达 coursera AI 专项二第三课总结+作业答案的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。