6月コーセラのディープラーニングでの学習を始めたとき、大学院の学生で私に推奨されているサイトとコースは、毎週のプログラムの本当に良い、非常に明確な、非常に徹底した調査を感じた後に使用しますまた、それがリラックスしているため、科学断片化された特別演習方向と月があり、最終的には7月に始まった、正式な学習、高効率、および一般的には、学習に一日約6時間を持つことができたときに、私は、OneNoteの上表面にメモを書くために使用される、以下の結果は以下のとおりです。
私は新しいSP6を購入するために使用され、本当に簡単にメモを取る、あなたはタブレットペンを購入することができますもお勧めします、非常にやりがいがある学ぶために、私はSP6利点は単純で、iPadはまた、非常に良いと思います学習段階でいくつかのコードをノックまだ非常に便利です。
曖昧ビットの基礎を学ぶために始め深い学習が、原理を理解していないの一種で、特に、これは、行列の導出の非常に抽象的な意味ですが、実際には徹底的に理解して理解するために時間がかかる、と私は突然、本当に感じましたこれらの人々は、規律が、私はまだ学校の冒頭を覚えて、本当に素晴らしいです機能をreluすべき理由、線形関数を理解し、本当に大きく異なるかと感じていなかった、朝熟考し、理解していないされている開発します突然、複数のレベルでrelu機能を使用する場合、マルチレイヤネットワークリンク、はい、彼は本当に非常に単純な機能ですが、それは一次関数とは異なり、この意思の機能を理解し、彼は任意の組み合わせの中に見ることができます非線形関数は、彼らは、このような使用を考える多くの効率を向上させるために、本当に素晴らしい気持ちです。
超学習パラメータの適用を開始した後、及び分散が高い場合法などを捨て、次いで、例えば、高分散L2正則化の使用を異なる高バイアス調整方法を理解します。そこ正規化勾配及び検査方法、
そして、学ん指数加重平均、RMSpropの勢い勾配降下アルゴリズムとアルゴリズム、アルゴリズムアダムとRMSprop勢いが結合します。BNアルゴリズムは、OneNoteのを見ても非常に重要です
マシンは、最高のようにターゲットを選択する必要があり、指標の数が最適なターゲットとして選択することができないではない混乱するように、ターゲットは、単一であるべきと述べ、主にチームの選択で、そのコースミッションの目的を学習し、他のもの唯一の制限としてターゲット。転移学習やマルチタスクを議論した後、転移学習（転移学習）、それはまた、頻繁に使用した後、非常に重要です。
ここでの焦点、主要なコースの一つは、CNNが始まりました。最初の原則を簡単に紹介して起動し、resnet（大規模ネットワーク向けに、ネットワーク152の非常に深い層を達成することができます）など、さまざまなモデルの多くは、の話を始めました。創業ネットワーク。1 * 1の畳み込みを使用。そしてtensorflow + kerasプログラムを使用することを教え始めました。当時の学生は、私のようpytorch推奨されています。コースでは、目標検出を学習した後、第一の特徴検出を導入して、検出をスライドさせ、その後、アルゴリズムはYOLOが本当に学びたいです。これらは、完全に接続されたコンボリューションにアイデアを変換、アンカーボックスは同じグリッドを行う方法でより多くを達成するために、だけでなく、過剰排除するために、ポストによるIOUよりも、ボックスをチェックし、ターゲットの中央に表示されています。
CNN、先週、顔認識や画像のスタイルの統合を説明します。顔が最初シャムネットワーク、三重損失又は2元を使用して、方法を導入しました。アフタースクールトリプレット損失を使って練習するプログラム顔認識、顔認識やライブラリから直接、コントラストの実現の対応するIDを完了しました。画像融合スタイルは非常に興味深いです説明した後、このアルゴリズムは、このようなゴッホの絵のスタイルへの変換など、必要なスタイルの中に画像を変換することです。慎重に異なるものに浅いと深いネットワークのフィルタネットワークの各フィルタを説明しました。最後に、複雑な完全な損失関数は、必要な画像を得るために、勾配新しいイメージを辞退します。
一時的にそれほど多くの知識を学ぶために、そこに最後のコースは、このコースと一緒に、NLPについてですと私はエッセイのブログを書き始めました。それを固執することを望んで。