/Deep-Learning-Assignment

吴恩达的深度学习课程作业

Primary LanguageHTML

Deep-Learning-Assignment

吴恩达的深度学习课程作业

第一课

第二周

  • logistic回归+梯度下降法 判断图片内容是否为猫

第三周

  • 带有一个隐藏层的平面数据分类

第四周

  • 多层的logistic回归模型 2层(linear->relu->linear->sigmoid) 和L层 ( [linear->relu]*(L-1) -> linear->sigmoid) 神经网络判猫

第二课

第一周

  • 比较 全0 / 较大的随机数 / he随机数 初始化W的训练效果

  • 比较 普通模型 / 使用L2正则化优化 / dropout优化 的训练效果

  • 单层 / 多层 的梯度检验

第二周

  • 比较 普通 / Momentum / Adam 梯度下降

第三周

  • tensorflow的使用 以及 识别手势的一个softmax回归

第三课

  • 无编程作业

第四课

第一周

  • numpy实现卷积和池化(前向传递+后向传递) 没建model
  • tensorflow 卷积神经网络 识别手势 (答案和期望输出有点差距)

第二周

  • Keras教程 + Keras实现的Happy House

  • Keras实现ResNet

第三周

第四周

  • 人脸识别 验证{1:1} + 识别{1:k} PS:v1,v2,v3都是一样的，只做了v1
  • 神经风格转移 PS:v1,v2一样的,只做了v1