吴恩达深度学习中文版笔记:人脸识别和神经风格转换
自2016年8月份,吴恩达的初创公司deeplearning.ai通过Coursera提供深度学习的最新在线课程,到今年2月份,吴老师更新了课程的第五部分(点击查看大数据文摘相关报道),前后耗时半年时间。
本文将着重介绍吴恩达老师第四周课程的视频内容和笔记,展示一些重要的卷积神经网络的特殊应用,我们将从人脸识别开始,之后讲神经风格迁移,你将有机会在编程作业中实现这部分内容,创造自己的艺术作品。
什么是人脸识别?
让我们先从人脸识别开始,我这里有一个有意思的演示。我在领导百度AI团队的时候,其中一个小组由林元庆带领的,做过一个人脸识别系统,这个系统非常棒,让我们来看一下。
以下内容为演示视频内容:
视频开始:
我想演示一个人脸识别系统,我现在在百度的中国总部,很多公司要求进入公司的时候要刷工卡,但是在这里我们并不需要它,使用人脸识别,看看我能做
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
(转)为什么选择机器学习策略
转自吴恩达deeplearningai 机器学习(machine learning)是无数重要应用的基础,其包含网络搜索、垃圾邮件检测、语音识别以及产品推荐等内容。假如你和你的团队正在研发一项机器学习应用,并且想要取得较为快速的进展,本书的一些内容将会有所帮助。 假设你正在建立一家初创公司,该公司将为猫咪爱好者们提供不计其数的猫咪图片。与此同时,你决定使用神经网络(neural network)技术来构建一套计算机视觉系统,用来识别图片中的猫。 你的团队有许多的改进方案,例如: 获取更多的数据,即收集更多猫的图片 收集更加多样化的训练数据集,比如处于不常见位置的猫的图片,颜色奇异的猫的图片,以及使用不同相机参数拍摄的猫的图片 通过增加梯度下降(gradient descent)的迭代次数,使算法训练得久一些 尝试一个拥有更多层(layer)/更多隐藏元(hidden units)/更多参数(parameters)的,规模更大的神经网络 尝试加入正则化(例如 L2 正则化) 改变神经网络的架构(激活函数,隐藏元数量等等) ... 如果你能够在以上可能的方向中做出正确的选择,那么你将建...
- 下一篇
我有一个计划001之数据挖掘面试(更新ing)
本人决定要开始准备数据挖掘面试了,之前并没有想到从哪里下手,这两天搜了搜知乎牛客网,大致知道自己要怎么准备笔试面试了。下面是我的计划。z 1.吴恩达的机器学习基础知识 首先应该将吴恩达的那款笔记从头到尾过一遍,公式必须要手推。 2.吴恩达的深度学习的基础知识 过一遍深度学习笔记,公式手推 3.李航《统计学习》方法 挑面经中的重点手推公式,有时间全都看 4.牛客网的面经 将下载的面经都打印,然后针对每个题学习知识点 5.刷牛客网的算法题 首先是《剑指offer》和大公司真题,不在于多,在于思路。 6.将比赛经历总结一遍,写成博客,代码放到github 7.要开始学习统计自然语言处理了
相关文章
文章评论
共有0条评论来说两句吧...