【吴恩达 机器学习课程之二:改善深层神经网络:超参数调试、正则化以及优化】中英字幕

574
0
2020-03-23 23:34:34
4
1
20
分享
https://www.coursera.org/learn/neural-networks-deep-learning?specialization=deep-learning 吴恩达 深度学习课程之二:改善深层神经网络:超参数调试、正则化以及优化
视频选集
(4/37)
1.1 训练_开发_测试集
12:05
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
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
2.1 Mini-batch 梯度下降法
11:29
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
2.10 局部最优的问题
05:24
3.1 调试处理
07:11
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
3.10 深度学习框架
04:16
3.11 TensorFlow
16:08
1. 吴恩达采访 Yoshua Bengio
25:49
2. 吴恩达采访 林元庆
13:37
客服
顶部
赛事库 课堂 2021拜年纪