投稿

【中英字幕】吴恩达深度学习课程第二课 — 改善深层神经网络：超参数调试、正则化以及优化

Name: %E3%80%90%E4%B8%AD%E8%8B%B1%E5%AD%97%E5%B9%95%E3%80%91%E5%90%B4%E6%81%A9%E8%BE%BE%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E8%AF%BE%E7%A8%8B%E7%AC%AC%E4%BA%8C%E8%AF%BE%20%E2%80%94%20%E6%94%B9%E5%96%84%E6%B7%B1%E5%B1%82%E7%A5%9E%E7%BB%8F%E7%BD%91%E7%BB%9C%EF%BC%9A%E8%B6%85%E5%8F%82%E6%95%B0%E8%B0%83%E8%AF%95%E3%80%81%E6%AD%A3%E5%88%99%E5%8C%96%E4%BB%A5%E5%8F%8A%E4%BC%98%E5%8C%96
Uploaded: 2025-06-13T17:34:49.939Z

31.0万

5189

2019-09-03 20:46:31

正在缓冲...

视频仅供学习使用，若侵权请联系删除！这是深度学习工程师微专业中的第二门课学完这门课之后，你将会理解业界构建深度神经网络应用最有效的做法能够高效地使用神经网络通用的技巧，包括初始化、L2和dropout正则化、Batch归一化、梯度检验能够实现并应用各种优化算法，例如mini-batch、Momentum、RMSprop和Adam，并检查它们的收敛程度能够用TensorFlow实现一个神经网络

吴恩达

人工智能

深层神经网络

机器学习

没事就多学习咨询问题或者合作请私聊

【第一周深度学习的实用层面】1.1 训练_开发_测试集