深度学习笔记
-
- MXNET采坑记
-
- 吴恩达深度学习笔记(96)-目标检测之Bounding Box预
-
- 吴恩达深度学习笔记(95)-目标检测之卷积网络滑动窗口实现
-
- 吴恩达深度学习笔记(94)-目标检测之检测算法
-
- 吴恩达深度学习笔记(93)-目标检测之特征点检测
-
- 吴恩达深度学习笔记(92)-目标检测之目标定位
-
- 吴恩达深度学习笔记(91)-带你了解计算机视觉现状
-
- 吴恩达深度学习笔记(90)-数据扩充（Data augmenta
-
- 吴恩达深度学习笔记(89)-迁移学习（Transfer Lear
-
- 吴恩达深度学习笔记(88)-谷歌 Inception 网络简介I
-
- 吴恩达深度学习笔记(87)-谷歌 Inception 网络简介I
-
- 吴恩达深度学习笔记(86)-1×1 卷积讲解
-
- 吴恩达深度学习笔记(85)-残差网络为什么起作用？
-
- 吴恩达深度学习笔记(84)-残差网络讲解 (ResNets)
-
- 吴恩达深度学习笔记(83)-LeNet-5、AlexNet和VG
-
- 吴恩达深度学习笔记(82)-深度卷积神经网络的发展史
-
- 吴恩达深度学习笔记(81)-为什么使用卷积？（Why convo
-
- 吴恩达深度学习笔记(80)-卷积神经网络示例
-
- 吴恩达深度学习笔记(79)-池化层讲解（Pooling laye
-
- 吴恩达深度学习笔记(78)-简单卷积网络示例
-
- 吴恩达深度学习笔记(77)-单层卷积网络(simple conv
-
- 吴恩达深度学习笔记(76)-你应该了解的三维卷积
-
- 吴恩达深度学习笔记(75)-卷积步长讲解(Strided con
-
- 吴恩达深度学习笔记(74)-Padding（填充）原理讲解
-
- 吴恩达深度学习笔记(73)-更多的边缘检测方法
-
- 吴恩达深度学习笔记(72)-卷积网络的边缘检测
-
- 吴恩达深度学习笔记(71)-带你了解计算机视觉（Computer
-
- 吴恩达深度学习笔记(70)-何时需要端到端的深度学习？
-
- 吴恩达深度学习笔记(69)-端到端的深度学习
-
- 吴恩达深度学习笔记(68)-多任务学习
-
- 吴恩达深度学习笔记(67)-迁移学习（Transfer lear
-
- 吴恩达深度学习笔记(66)-清除标注错误的数据
-
- 吴恩达深度学习笔记(65)-误差分析Carrying out e
-
- 吴恩达深度学习笔记(64)-开发集和测试集的大小分配
-
- 吴恩达深度学习笔记(63)-如何进行训练/开发/测试集划分
-
- 吴恩达深度学习笔记(62)-模型的满足和优化指标讲解
-
- 吴恩达深度学习笔记(61)-训练调参中的准确率和召回率
-
- 吴恩达深度学习笔记(60)-深度学习中的正交化
-
- 吴恩达深度学习笔记(59)-什么是机器学习策略？
-
- 吴恩达深度学习笔记(58)-深度学习框架Tensorflow
-
- 吴恩达深度学习笔记(57)-深度学习框架Deep Learnin
-
- 吴恩达深度学习笔记(56)-训练一个 Softmax 分类器
-
- 吴恩达深度学习笔记(55)-Softmax 回归（Softmax
-
- 吴恩达深度学习笔记(54)-测试时的 Batch Norm
-
- 吴恩达深度学习笔记(53)-Batch Norm 为什么奏效
-
- 吴恩达深度学习笔记(52)-将 Batch Norm 拟合进神经
-
- 吴恩达深度学习笔记(51)-归一化网络的激活函数（重要！）
-
- 吴恩达深度学习笔记(50)-超参数训练的实践
-
- 吴恩达深度学习笔记(49)-为超参数选择合适的范围
-
- 吴恩达深度学习笔记(48)-教你如何调参
本专题主办为吴恩达深度学习课程文字内容，但接收各位爱好ai学习者的学习笔记。内容为深度学习相关即可，题材不限，欢迎大家在学习路上一同前行☺
