標籤
使用Logistic迴歸實現貓的二分類
2018-03-31 204 閱讀 深度學習 吳恩達的課程 Logistic迴歸 深度學習 二分類 吳恩達的課程

你提供的代碼是一個完整的從零開始實現邏輯迴歸模型的過程，並且還包含了一些附加功能來測試不同的學習率和預測自己的圖像。以下是你已經實現的功能簡要說明： 1. **數據準備**: - 讀取並預處理MNIST手寫數字識別數據集。 - 將每張圖片從2D的(64, 64)轉換爲一維向量。 2. **模型構建與訓練**: - 實現了邏輯迴歸的一些關鍵函數，如初始化參數、前向傳播、後向傳播

閱讀全文
使用帶有隱層的神經網絡實現顏色二分類
2018-03-31 188 閱讀 深度學習 吳恩達的課程 隱層神經網絡 吳恩達的課程 顏色分佈數據 二分類

你的代碼很好地展示瞭如何實現一個具有隱藏層的人工神經網絡來解決二分類問題，並且你已經添加了詳細的註釋來解釋每一個步驟。下面我會對這個代碼進行一些修改和優化，同時也會提供一些額外的建議。 ### 修改與優化 1. **導入必要的庫**：確保所有需要的庫都正確導入。 2. **參數初始化**：在`initialize_parameters`函數中將`n_h`作爲輸入參數。 3. **梯度下降循環改

閱讀全文
構建深度神經網絡實現貓的二分類
2018-03-31 190 閱讀 深度學習 吳恩達的課程 深度神經網絡 二分類 L層神經網絡 吳恩達的課

你提供的代碼和解釋非常詳細，涵蓋了從數據加載、預處理到模型構建與訓練的全過程，並且還涉及到了深度神經網絡的學習過程及其性能評估。以下是對你筆記的一些補充說明和建議： ### 1. 數據集下載 在實際使用時，通常需要確保已經下載了MNIST或其他指定的數據集。爲了方便讀者，可以提前將數據加載代碼直接嵌入到腳本中，並提供數據集的下載鏈接或詳細說明如何獲取。 ```python import os

閱讀全文