DeepLearning.ai深度学习课程笔记
search
Ctrlk
  • Introduction
  • 第一门课 神经网络和深度学习(Neural-Networks-and-Deep-Learning)chevron-right
  • 第二门课 改善深层神经网络:超参数调试、 正 则 化 以 及 优 化 (Improving Deep Neural Networks:Hyperparameter tuning, Regulariza
    • 第二门课 改善深层神经网络:超参数调试、正则化以及优化(Improving Deep Neural Networks:Hyperparameter tuning, Regularization andchevron-right
      • 第一周:深度学习的实用层面(Practical aspects of Deep Learning)chevron-right
      • 第二周:优化算法 (Optimization algorithms)chevron-right
      • 第 三 周 超 参 数 调 试 、 Batch 正 则 化 和 程 序 框 架 (Hyperparameter tuning)chevron-right
        • 3.1 调试处理(Tuning process)
        • 3.2 为超参数选择合适的范围(Using an appropriate scale to pick hyperparameters)
        • 3.3 超参数训练的实践: Pandas VS Caviar(Hyperparameters tuning in practice: Pandas vs. Caviar)
        • 3.4 归一化网络的激活函数( Normalizing activations in a network)
        • 3.5 将 Batch Norm 拟合进神经网络(Fitting Batch Norm into a neural network)
        • 3.6 Batch Norm 为什么奏效?(Why does Batch Norm work?)
        • 3.7 测试时的 Batch Norm(Batch Norm at test time)
        • 3.8 Softmax 回归(Softmax regression)
        • 3.9 训练一个 Softmax 分类器(Training a Softmax classifier)
        • tensorflow tutorial
        • improv_utils.py
        • tf_utils.py
  • 第三门课 结构化机器学习项目(Structuring Machine Learning Projects)
    • 第三门课 结构化机器学习项目(Structuring Machine Learning Projects)chevron-right
  • 第四门课 卷积神经网络(Convolutional Neural Networks)
    • 第四门课 卷积神经网络(Convolutional Neural Networks)chevron-right
  • 第五门课 序列模型(Sequence Models)
    • 第五门课 序列模型(Sequence Models)chevron-right
gitbookPowered by GitBook
block-quoteOn this pagechevron-down
  1. 第二门课 改善深层神经网络:超参数调试、 正 则 化 以 及 优 化 (Improving Deep Neural Networks:Hyperparameter tuning, Regularizachevron-right
  2. 第二门课 改善深层神经网络:超参数调试、正则化以及优化(Improving Deep Neural Networks:Hyperparameter tuning, Regularization and

第 三 周 超 参 数 调 试 、 Batch 正 则 化 和 程 序 框 架 (Hyperparameter tuning)

3.1 调试处理(Tuning process)chevron-right3.2 为超参数选择合适的范围(Using an appropriate scale to pick hyperparameters)chevron-right3.3 超参数训练的实践: Pandas VS Caviar(Hyperparameters tuning in practice: Pandas vs. Caviar)chevron-right3.4 归一化网络的激活函数( Normalizing activations in a network)chevron-right3.5 将 Batch Norm 拟合进神经网络(Fitting Batch Norm into a neural network)chevron-right3.6 Batch Norm 为什么奏效?(Why does Batch Norm work?)chevron-right3.7 测试时的 Batch Norm(Batch Norm at test time)chevron-right3.8 Softmax 回归(Softmax regression)chevron-right3.9 训练一个 Softmax 分类器(Training a Softmax classifier)chevron-righttensorflow tutorialchevron-rightimprov_utils.pychevron-righttf_utils.pychevron-right
PrevioustestCases.pychevron-leftNext3.1 调试处理(Tuning process)chevron-right

Last updated 6 years ago