文件名称：Introduction-to-deep-learning:该存储库包含Ipython笔记本，该课程来自高等经济学学院在Coursera提供的高级机器学习专业化课程``深度学习入门''课程中的第一部分
文件大小：55.02MB
文件格式：ZIP
更新时间：2024-05-29 17:19:50
JupyterNotebook
深度学习课程资源简介 离线说明 如果许多学习者频繁使用Coursera Jupyter Environment，它的速度可能会很慢。 我们的任务是繁重的计算，我们建议在您的硬件上运行它们以获得最佳性能。 您将需要一台至少具有4GB RAM的计算机。 有两种方法可以在本地设置Jupyter Notebook：Docker容器和Anaconda。 Docker容器选项（最适用于Mac / Linux） 请按照上的说明安装安装了所有必需软件的Docker容器。 之后，您应该在浏览器中看到一个Jupyter页面。 Anaconda选项（最适用于Windows） 我们强烈建议安装docker环境，但是，如果不是这样，您可以尝试使用Anaconda安装必要的python模块。 首先，从安装带有Python 3.5+的Anaconda。 从下载conda_requirements.txt
【文件预览】：
Introduction-to-deep-learning-master
----__pycache__()
--------download_utils.cpython-36.pyc(3KB)
--------grading.cpython-36.pyc(3KB)
--------keras_utils.cpython-36.pyc(3KB)
----download_resources.ipynb(24KB)
----week1()
--------kernel.png(96KB)
--------target.npy(7KB)
--------train.npy(13KB)
--------sgd.png(33KB)
--------week01_pa.ipynb(211KB)
--------.ipynb_checkpoints()
----download_utils.py(3KB)
----week2()
--------models(24B)
--------Keras-task.ipynb(20KB)
--------my1stNN-test.ipynb(16KB)
--------submit.py(2KB)
--------util.py(1KB)
--------NumpyNN (honor).ipynb(38KB)
--------weights.h5(5.14MB)
--------my1stNN.ipynb(34KB)
--------Tensorflow-task.ipynb(130KB)
--------.ipynb_checkpoints()
--------validation_predictons.txt(9KB)
--------preprocessed_mnist.py(650B)
--------matplotlib_utils.py(1022B)
----week4()
--------lfw.tgz(52B)
--------lfw_attributes.txt(63B)
--------images()
--------decoder.h5(1.63MB)
--------submit_honor.py(303B)
--------submit.py(436B)
--------__pycache__()
--------encoder.h5(1.63MB)
--------Autoencoders-task.ipynb(325KB)
--------lfw-deepfunneled.tgz(65B)
--------lfw_dataset.py(2KB)
--------.ipynb_checkpoints()
----grading.py(3KB)
----week5()
--------data_copyright(171B)
--------POS-task.ipynb(20KB)
--------names(55KB)
--------submit.py(443B)
--------RNN-task.ipynb(46KB)
--------mtg_card_names.txt(630KB)
--------.ipynb_checkpoints()
--------rnn.png(35KB)
----week6()
--------weights.index(1KB)
--------checkpoint(449B)
--------images()
--------grading_utils.py(3KB)
--------captions_train-val2014.zip(71B)
--------utils.py(3KB)
--------__pycache__()
--------week6_final_project_image_captioning_clean.ipynb(6.97MB)
--------train_img_embeds.pickle(68B)
--------train_img_fns.pickle(65B)
--------val2014_sample.zip(63B)
--------weights.data-00000-of-00001(31.33MB)
--------val_img_fns.pickle(63B)
--------val_img_embeds.pickle(66B)
--------weights.meta(189KB)
--------.ipynb_checkpoints()
--------portal-cake-10.jpg(267KB)
--------train2014_sample.zip(65B)
----keras_utils.py(2KB)
----.ipynb_checkpoints()
--------download_resources-checkpoint.ipynb(21KB)
----README.md(3KB)
----week3()
--------images()
--------grading_utils.py(370B)
--------imagelabels.mat(60B)
--------week3_task1_first_cnn_cifar10_clean.ipynb(251KB)
--------weights.h5(4.17MB)
--------week3_task2_fine_tuning_clean.ipynb(613KB)
--------102flowers.tgz(59B)
--------.ipynb_checkpoints()