吴恩达深度学习

第一门课：神经网络和深度学习

第二门课：改善深层神经网络：超参数调试、正则化及优化

第三门课：结构化机器学习项目

第四门课：卷积神经网络

三、CNN

1、作业一：一步一步CNN和使用CNN对图片多分类

CNN：

cov fun :卷积函数

pool fun : 池化函数:减少计算量

cnn_single_step 基础函数：

输入X：(m_example,n_h_prev,n_w_prev,n_c_prev) m个彩色图像

W : 过滤的窗口，对应元素乘积；大小(n_h,n_w,n_c_prev,n_c)

输出：(m,n_h,n_w,n_c)

关键点：W的大小的选择关系

n_h = (n_h_prev-f+2*pad)/s +1

n_w = (n_h_prev-f+2*pad)/s +1

2、多分类：tensorflow

     设定输入和输出的占位符

　　初始化参数值 W b

　　定义前向传播函数

　　计算损失函数

　　优化参数

四、序列模型

1、序列模型简介：

RNN、GRU、LSTM，RNNs 常用BRNN的LSTM

2、作业实践：

　　第一周：

　　1、RNN、LSTM原理

　　2、字符级别应用RNN给恐龙起名字

 　　第二周：
　　1、给短信添加表情符号Emojifier