学习笔记
未读
深度学习（五）激活函数的选择 & 浅层神经网络的梯度下降
# 概述 > 本篇中你将了解几种常见的激活函数，并看到在浅层神经网络中向后传播及梯度下降是如何进行的。  ---------- # 5.0 上篇回顾 在上一篇中，你见到了一个单输出的浅层（双层）神经网络是如何进行向前传播的
学习笔记
未读
深度学习（四）浅层神经网络及其向量化
# 概述 > 本篇简要介绍浅层神经网络，并给出其向量化形式。  ---------- # 4.0 Logistic 回顾 在前三篇当中，我们见过了 Logistic 回归的相关内容，了解了向前传播、向后传播、梯度下降与向量
学习笔记
未读
深度学习（三）实战：动手实现猫图识别
# 概述 > 本篇详细记录了如何使用 Python 语言基于 Logistic 回归搭建一个简单的单层神经网络，并实现猫图的识别。 > 本篇中的单层神经网络在训练集与测试集上分别获得了 95.7% 与 74.0% 的正确率。 ![Title](/upload/DeepLearning-03-1.jp
学习笔记
未读
深度学习（二）向量化 Logistic 回归及其梯度输出
概述 本篇属于理论篇，你将了解什么是向量化、向量化对神经网络训练优化的重要性，以及如何向量化 Logistic 回归及其梯度输出。 2.0 向量化概述 在前面，你已经认识了 Logistic 回归，并且对梯度下降以及梯度下降是如何工作的有了一个具体的认知。如果你有认真阅读第一篇的话，相信你还记得在第
学习笔记
未读
深度学习（一）Logistic 回归与梯度下降
概述 本篇属于理论篇，介绍了针对二元分类问题的 Logistic 回归与梯度下降，以及 Logistic 回归当中的梯度下降是如何进行参数优化的。 1.0 Logistic 回归概述 Logistic 回归是一种广义上的线性回归，也是一个用在监督学习当中的学习算法，一般用于输出值为0或1，即"是"或