deeplearning.ai——构建深度神经网络做图像处理_dnn_app_utils_v2-程序员宅基地

技术标签：机器学习

4.1 Building your Deep Neural Network: Step by Step

1 - Packages

2 - Outline of the Assignment

3 - Initialization

3.1 - 2-layer Neural Network

3.2 - L-layer Neural Network

4 - Forward propagation module

4.1 - Linear Forward

4.2 - Linear-Activation Forward

4.3 - L-Layer Model

5 - Cost function

6 - Backward propagation module

6.1 - Linear backward

6.2 - Linear-Activation backward

6.3 - L-Model Backward

6.4 - Update Parameters

4.2 Deep Neural Network for Image Classification: Application

1 - Packages

2 - Dataset

3 - Architecture of your model

3.1 - 2-layer neural network

3.2 - L-layer deep neural network

3.3 - General methodology

4 - Two-layer neural network

5 - L-layer Neural Network

6 - Results Analysis

7 - Test with your own image (optional/ungraded exercise)

4.1 Building your Deep Neural Network: Step by Step

符号：

上标[l]表示第l层，例如： $a^{[L]}$ 是第L层的激活函数， $W^{[L]}$ 和 $b^{[L]}$ 是第L层的参数。
上标(i)表示第i个样本，例如： $x^{(i)}$ 是第i个训练样本。
下标i表示向量的第i个输入，例如： $a_{i}^{[l]}$ 表示第l层激活函数的第i个输入。

1 - Packages

首先，运行下面的单元来导入在这个作业中需要的所有包：

numpy是使用python进行科学计算的基础包。
Matplotlib是一个用于在Python中绘制图形的库。
dnn_utils提供了一些必要的函数。
testCases提供了一些测试用例来评估函数的正确性。
np.random.seed(1)用来保持所有的随机函数调用的一致性。

import numpy as np
import h5py
import matplotlib.pyplot as plt
from testCases_v2 import *
from dnn_utils_v2 import sigmoid, sigmoid_backward, relu, relu_backward

%matplotlib inline
plt.rcParams['figure.figsize'] = (5.0, 4.0) # set default size of plots
plt.rcParams['image.interpolation'] = 'nearest'
plt.rcParams['image.cmap'] = 'gray'

%load_ext autoreload
%autoreload 2

np.random.seed(1)

2 - Outline of the Assignment

为了构建神经网络，需要实现几个辅助函数。这些辅助函数将在下节作业中用来构造一个双层神经网络和一个L层的神经网络。下面是任务大纲：

1.初始化双层神经网络和L层神经网络的参数

2.实现前向传播模块（紫色部分）：

完成一步前向传播的LINEAR部分（得到 $Z^{[l]}$ ）
已有ACTIVATION函数（relu/sigmoid）
合并前两步，得到新的[LINEAR→ACTIVATION]前向函数
堆叠[LINEAR→RELU]前向函数L-1次（从第1层到第L-1层），在最后（最后一层L）加上一个[LINEAR→RELU]。得到新的L_model_forward函数。

3.计算损失

4.实现反向传播模块（红色部分）：

完成一步反向传播的LINEAR部分
已有ACTIVATE函数的梯度（relu_backward/sigmoid_backward）
合并前两部，得到新的[LINEAR→ACTIVATION]反向函数
堆叠[LINEAR→RELU]反向函数L-1次，加上[LINEAR→SIGMOID]，得到新的L_model_backward函数。

5.最后更新参数

注意：对于每一个前向函数，都有一个对应的反向函数，这就是为什么前向模块的每一步都要存储一些值在一个缓存器中，在反向传播模块你会用到这些缓存值来计算梯度。

3 - Initialization

完成两个辅助函数来初始化模型的参数，第一个函数初始化双层神经网络的参数，第二个函数初始化L层神经网络的参数。

本文链接：https://blog.csdn.net/qq_37098526/article/details/90545905

原作者删帖不实内容删帖广告或垃圾文章投诉

智能推荐

hive学习笔记之四：分区表-程序员宅基地

文章浏览阅读373次，点赞4次，收藏4次。笔者已经把面试题和答案整理成了面试专题文档《一线大厂Java面试题解析+核心总结学习笔记+最新讲解视频+实战项目源码》点击传送门即可获取！链图片转存中…(img-4xkqGpj1-1712104936689)][外链图片转存中…(img-6VtfOlP7-1712104936689)][外链图片转存中…(img-WoiUrEg2-1712104936690)][外链图片转存中…(img-W72fxn2J-1712104936690)]

数字图像处理使用计算机对,数字图像处理的应用现状及发展方向-程序员宅基地

文章浏览阅读5.6k次。随着计算机技术的不断发展，数字图像处理技术的应用也愈发广阔。图像是人们接受、表达、传递信息的快捷方式，通过计算机程序的运用，将图像用数字的形式表现出来，可以更加全面的控制图像处理，在全球各个尖端领域都有发展的前景。【关键词】数字图像处理计算机技术1 数字图像处理技术的优点数字图像处理是指利用数字硬件与计算机，将图像信息转换为电子信号，进行相应的数学运算，用以提高图像的实用性。数字图像处理精确度..._谈谈你对数字图像处理课程的理解,及其数字图像处理用途和使用场合的认识

stl map遍历和删除的方法_vs2008 stl map查询equal_range(),并删除-程序员宅基地

文章浏览阅读6.1k次。for(；iter!=mapStudent.end()；){ if((iter->second)>=aa) { //满足删除条件，删除当前结点，并指向下面一个结点 mapStudent.erase(iter++)； } else { //_vs2008 stl map查询equal_range(),并删除

rank函数python_Python pandas.DataFrame.rank函数方法的使用-程序员宅基地

文章浏览阅读1.4k次。DataFrame.rank(self: ~FrameOrSeries,axis=0,method: str = 'average',numeric_only: Union[bool,NoneType] = None,na_option: str = 'keep',ascending: bool = True,pct: bool = False)→ ~FrameOrSeries计算..._python dataframe rank

彻底扒光通过智能路由器拆解看其本质-程序员宅基地

文章浏览阅读1.7k次。可以看到很多联发科的MT芯片摘自：https://net.zol.com.cn/531/5312999.html彻底扒光通过智能路由器拆解看其本质2015-07-23 00:40:00[中关村在线原创] 作者：陈赫|责编：白宁收藏文章分享到评论(24)关注智能路由器拆解的朋友们注意啦！我们已经将这五款产品彻底扒开，将主板的真容展现在了大家的眼前。网友们可以看见这些智能路由器主板的做工和用料，我们还为网友们展示了主要的电子元器件，供大家品评观赏。..._路由器拆解

Java--深入JDK和hotspot底层源码剖析Thread的run()、start()方法执行过程_jdk的源码hotspot跟jdk是分开的-程序员宅基地

文章浏览阅读2.1k次，点赞101次，收藏78次。【学习背景】今天主要是来了解Java线程Thread中的run()、start()两个方法的执行有哪些区别，会给出一个简单的测试代码样例，快速理解两者的区别，再从源码层面去追溯start()底层是如何最终调用Thread#run()方法的，个人觉得这样的学习不论对面试，还是实际编程来说都是比较有帮助的。进入正文~学习目录一、代码测试二、源码分析2.1 run()方法2.2 start()方法三、使用总结一、代码测试执行Thread的run()、start()方法的测试代码如下：public_jdk的源码hotspot跟jdk是分开的

随便推点

SM4国密算法原理及python代码实现_根据sm4_s计算sm4_sbox_t-程序员宅基地

文章浏览阅读6.6k次，点赞13次，收藏54次。SM4.0（原名SMS4.0）是中华人民共和国政府采用的一种分组密码标准，由国家密码管理局于2012年3月21日发布。相关标准为“GM/T 0002-2012《SM4分组密码算法》（原SMS4分组密码算法）”。在商用密码体系中，SM4主要用于数据加密，其算法公开，分组长度与密钥长度均为128bit，加密算法与密钥扩展算法都采用32轮非线性迭代结构，S盒为固定的8比特输入8比特输出。_根据sm4_s计算sm4_sbox_t

DMA映射 dma_addr_t-程序员宅基地

文章浏览阅读617次。DMA映射一个DMA映射是要分配的DMA缓冲区与为该缓冲区生成的、设备可访问地址的组合。DMA映射建立了一个新的结构类型——dma_addr_t来表示总线地址。dma_addr_t类型的变量对驱动程序是不透明的，唯一允许的操作是将它们传递给DMA支持例程以及设备本身。根据DMA缓冲区期望保留的时间长短，PCI代码有两种DMA映射: 1) 一致性映射； 2) 流式DMA映射(推荐)。..._dma_addr_t

XSS跨站脚本攻击漏洞_小明是公司的开发工程师,发现公司网站存在xss漏洞,通过修改javascript代码进-程序员宅基地

文章浏览阅读1k次。XSS（跨站脚本攻击）是一种常见的网络安全漏洞，它允许攻击者在网站中植入恶意的脚本代码，当其他用户访问该网站时，这些脚本代码会在用户的浏览器中执行。这可能会导致严重的安全后果，比如窃取用户的敏感信息，欺骗用户，或者在用户的浏览器中执行恶意操作。XSS漏洞通常出现在网站中输入数据未经过滤或者不当过滤的情况下，攻击者可以通过向网站发送带有恶意脚本的数据，使得脚本在用户的浏览器中执行。在反射型XSS中，攻击者向网站发送一个带有恶意脚本的URL，当其他用户点击该URL时，恶意脚本就会在用户的浏览器中执行。_小明是公司的开发工程师,发现公司网站存在xss漏洞,通过修改javascript代码进

软件体系结构_采用结构化技术开发的软件是否具有体系结构?-程序员宅基地

文章浏览阅读2k次。软件体系结构是具有一定形式的结构化元素，即构件的集合，包括处理构件、数据构件和连接构件。处理构件负责对数据进行加工，数据构件是被加工的信息，连接构件把体系结构的不同部分组组合连接起来。这一定义注重区分处理构件、数据构件和连接构件，这一方法在其他的定义和方法中基本上得到保持。一、软件体系结构的定义　　虽然软件体系结构已经在软件工程领域中有着广泛的应用，但迄今为止还没有一个被大家所公认的_采用结构化技术开发的软件是否具有体系结构?

springbbot运行无法编译成功，找不到jar包报错：Error:(3, 46) java: 程序包org.springframework.context.annotation不存在-程序员宅基地

文章浏览阅读1k次，点赞2次，收藏2次。文章目录问题描述：解决方案：问题描述：提示：idea springbbot运行无法编译成功，找不到jar包报错E:\ideaProject\demokkkk\src\main\java\com\example\demo\config\WebSocketConfig.javaError:(3, 46) java: 程序包org.springframework.context.annotation不存在Error:(4, 46) java: 程序包org.springframework.conte_error:(3, 46) java: 程序包org.springframework.context.annotation不存在

react常见面试题_recate面试-程序员宅基地

文章浏览阅读6.4k次，点赞6次，收藏36次。1、redux中间件中间件提供第三方插件的模式，自定义拦截 action -> reducer 的过程。变为 action -> middlewares -> reducer 。这种机制可以让我们改变数据流，实现如异步 action ，action 过滤，日志输出，异常报告等功能。常见的中间件：redux-logger：提供日志输出redux-thunk：处理异步操作..._recate面试