投稿

02.改善深层神经网络：超参数调试、正则化以及优化

450

0

2019-11-19 15:17:27

https://github.com/ 02.改善深层神经网络：超参数调试、正则化以及优化

焊接工程师-張工发消息

21年硕士研究生毕业材料焊接专业选择了三线城市国企记录从学校到工作的生活

1.1 训练_开发_测试集

12:05

1.10 梯度消失与梯度爆炸

06:08

1.11 神经网络的权重初始化

06:13

1.12 梯度的数值逼近

06:36

1.13 梯度检验

06:35

1.14 关于梯度检验实现的注记

05:19

1.2 偏差_方差

08:47

1.3 机器学习基础

06:22

1.4 正则化

09:43

1.5 为什么正则化可以减少过拟合？

07:10

1.6 Dropout 正则化

09:26

1.7 理解 Dropout

07:05

1.8 其他正则化方法

08:25

1.9 归一化输入

05:31

2.1 Mini-batch 梯度下降法

11:29

2.10 局部最优的问题

05:24

2.2 理解 mini-batch 梯度下降法

08:15

2.3 指数加权平均

05:59

2.4 理解指数加权平均

05:58

2.5 指数加权平均的偏差修正

04:12

2.6 动量梯度下降法

09:21

2.7 RMSprop

07:42

2.8 Adam 优化算法

07:08

2.9 学习率衰减

06:45

3.1 调试处理

07:11

3.10 深度学习框架

04:16

3.11 TensorFlow

16:08

3.2 为超参数选择合适的范围

08:51

3.3 超参数训练的实践：Pandas VS Caviar

06:52

3.4 正则化网络的激活函数

08:56

3.5 将 Batch Norm 拟合进神经网络

12:56

3.6 Batch Norm 为什么奏效？

11:40

3.7 测试时的 Batch Norm

05:47

3.8 Softmax 回归

11:48

3.9 训练一个 Softmax 分类器

10:08

1. 吴恩达采访 Yoshua Bengio

25:49

2. 吴恩达采访林元庆

13:37

顶部