我這裡的規劃是，李巨集毅的深度學習課程，然後林軒田的機器學習基石，機器學習技法，最後我們蘇老師的計算機視覺。後面就讀**，復現程式了。
競賽，作業平台
讓機器自己學習來生產複雜的程式。如語音識別，影象分類等。
regression： 輸出乙個數值的程式
classification ： 從設定好的資訊中，選擇乙個輸出，例子alaf go，從19*19的棋盤中選擇乙個最好的位置。
structured learning：讓機器學會創作。（黑暗大陸）
1.function with unknown parameters
y = b + wx
b: bias
w: weight
2.define loss from training data
l(b,w)
3.optimization
gradient descent ：h**e local minima 區域性最優解
η:learning rate
w = η * dl/dw
李巨集毅老師，這裡使用自己的2017-2020的youtube資料來**第二天的**人數。用乙個w來**，等於用前一天**，效果不好。發現曲線是七天乙個迴圈，所以使用7個w**。然後效果優化到極限，還是有誤差。所以線性函式（linear models）不夠用來**。piecewise linear curves（分段線性函式），曲線也可以用piecewise linear curves來逼近。
y = c * (1 / 1 + e ^ -(b + wx1))
w：改變斜率
b：左右移動
c：改變高度
5.2.1training過程 矩陣版
1.function with unknown parameters
上圖的矩陣式子
2.define loss from training data
l（θ） θ 是所有的 unknown parameters
g ：gradient ： 梯度
batch 把資料分為多個batch，用小batch 來更新引數。乙個epoch是把所有的batch過一遍的結果。
這個是hard sigmoid。
效果比兩層多神經元好很多。所以叫深度學習。括弧笑
**收集 alexnet vgg googlenet residualnet
深度學習記錄1
寫一點東西記錄一下學習過程，因為有些東西入門了之後就忘了沒入門是什麼狀態了。目前還在沒入門的狀態。門外漢學習乙個東西的過程我覺得是這樣 1.門外看到是什麼樣子 知道深度學習可以做影象識別 當然不僅限於此 2.嘗試去模仿擺出同樣的樣子 訓練乙個模型，用來識別 3.嘗試去進裡面看看什麼樣子 看看實際的演...
深度學習（一）深度學習學習資料
持續更新 一 學習清單 1 收集了各種最新最經典的文獻，神經網路的資源列表 2 計算機視覺學習清單 3 機器學習學習清單 二 訓練資料 人臉資料 1 香港中文大學訓練資料集 此資料庫包含了20w張人臉，每張標註了5個特徵點 以及幾十種屬性 是否微笑 膚色 髮色 性別等屬性 2 68個人臉特徵點 3 ...
記錄一下paddlepaddle深度學習心得
最近深度學習那叫乙個火啊，本人也入坑了，但網上找的內容也都亂七八糟的，那些 在本地執行頻頻出錯，硬體成本更是感人，自學成本太高了，又浪費時間。利用動態圖機制實現手寫數字識別 用paddlepaddle實現 密度估計 用paddlepaddle實現人臉識別 用paddlepaddle識別手勢 課程截圖...