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
关注公众号 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...
微信收款码
支付宝收款码