【深度学习笔记08】经典神经网络
目标检测的基本实现方法，从目标定位开始，总结了特征点检测、目标检测、滑动窗口法、NMS非极大抑制等目标检测的算法。
吴恩达笔记
9 篇
【深度学习笔记08】经典神经网络
本文介绍了一些经典的神经网络模型，包括实现LeNet-5，AlexNet，VGG-16，ResNet，Inception网络等的网络结构。
【深度学习笔记07】卷积神经网络
为什么神经网络对图片进行分析时经常使用卷积，为什么会有padding和stride，池化层和全连接层的作用是什么？
【深度学习笔记06】参数调试处理
介绍了神经网络中一些常用参数的选择原则和大概范围，以及BN和softmax的基本原理。
【深度学习笔记05】深度学习常用优化算法
本文介绍了最常用的几种优化算法，从划分子集mini-batch开始，介绍了动量梯度下降法Momentum，RMSprop，以及两者的结合体Adam，几种方法的实现方法和基本原理。
【深度学习笔记04】改善训练效果与训练速度的一些要素
改善神经网络的训练效果有很多方面，比如避免欠拟合和过拟合，利用正则化等等。不同的方法其作用效果也不同。
【深度学习笔记03】线性回归与Softmax回归及其损失函数
深度学习的线性回归，基本的优化算法，以及Softmax回归和损失函数的实现。
【深度学习笔记02】数据操作的实现与线性代数基础
介绍了使用pytorch和pandas实现基本数据的操作方法，以及使用torch进行基本线性代数运算、求导计算的方法。
【深度学习笔记01】神经网络与深度学习
笔者从零开始学习深度学习的笔记，本章介绍深度学习最最底层的数学思路，以及基于回归的简单的深度学习的算法思路和相关代码。