Day14 8.1 加深學習網絡 8.1.1 向更深的網絡出發(fā) 構建一個進行MNIST手寫數字識別的深度CNN： (Conv -> ReLU -...

Day13 CNN的實現&CNN可視化&具有代表性的CNN 7.5 CNN的實現 按照Convolution -> ReLU -> Poolin...

Day12 7.3 池化層 池化是縮小高概说、長方向上空間的運算 圖像領域主要使用Max Pooling 池化層的特征 沒有要學習的參數 通道數不發(fā)...

Day11 整體結構&卷積層 7.1 整體結構 Conv -> ReLU -> (Pooling)類比 Affine -> ReLU 7.2 卷...

Day 9 6.1 參數的更新 6.2 權重初始值 6.2.1 權重初始化為0？ 權值衰減是一種通過減小權重參數的值來抑制過擬合的方法竖哩。 不能將...

計算圖&鏈式法則&反向傳播 1.計算圖 數據結構中的圖結構，用點表示數據節(jié)點脊僚，線表示節(jié)點之間的關系相叁。工程項目管理中的雙代號網絡計劃圖，用節(jié)點表示...

Day 5 從數據中學習 “學習”這個詞該怎樣理解辽幌？用一個同樣領域的詞來替代增淹，可以認為是“訓練”。所謂學習或訓練乌企，即是讓模型通過優(yōu)化算法在數據中...

Day4 1.三層神經網絡（forward propagation） 2.輸出層的設計 3.手寫數字圖像識別

Day 3 從感知機到復雜神經網絡 簡單理解虑润，感知機可看作是激活函數為階躍函數的“神經元”。而許多神經元進行串加酵、并聯可以構成復雜的神經網絡拳喻，并隨...