第一周：深度学习的实用层面(Practical aspects of Deep Learning)
1.1 训练，验证，测试集（Train / Dev / Test sets）1.2 偏差，方差（Bias /Variance）1.3 机器学习基础（Basic Recipe for Machine Learning）1.4 正则化（Regularization）1.5 为什么正则化有利于预防过拟合呢？（Why regularization reduces overfitting?）1.6 dropout 正则化（Dropout Regularization）1.7 理解 dropout（Understanding Dropout）1.8 其他正则化方法（Other regularization methods）1.9 归一化输入（Normalizing inputs）1.10 梯度消失/梯度爆炸（Vanishing / Exploding gradients）1.11 神经网络的权重初始化（Weight Initialization for Deep Networks）1.12 梯度的数值逼近（Numerical approximation of gradients）1.13 梯度检验（Gradient checking）1.14 梯度检验应用的注意事项（Gradient Checking Implementation Notes）InitializationGradient CheckingRegularizationreg_utils.pytestCases.py
Previous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 andNext1.1 训练，验证，测试集（Train / Dev / Test sets）
Last updated
Was this helpful?