文件名称：Udacity-Deep_Learning
文件大小：5.17MB
文件格式：ZIP
更新时间：2024-03-19 22:10:49
JupyterNotebook
Udacity-Deep_Learning 设置存储库以容纳我在从Udacity购买深度学习纳米学位计划时完成的练习和项目。 该课程的课程共分为6个部分，其中包括7个主要项目，以及在整个课程中完成的各种练习。 项目和练习内容如下： 自动编码器 神经网络： 项目1：预测自行车共享数据 该项目的目的是从头开始构建神经网络，以对数据集进行预测问题。 完成后，我将对梯度下降，反向传播和其他神经网络特性有更好的了解。 数据来自UCI ML存储库： : 要遵守的项目/网络参数： 激活函数应为S型函数 时期数应在50到1500之间 隐藏节点的数量应在5到100之间 应该只有一个输出节点 学习率应在0.05到5之间 在完整数据集上运行网络时产生良好的结果，要求是： 训练损失应小于0.09 验证损失应小于0.18 卷积神经网络： 项目2：犬种分类器 该项目的目的是建立卷积神经网络（C
【文件预览】：
Udacity-Deep_Learning-main
----weight_initialization_exercise.ipynb(217KB)
----Autoencoders()
--------Simple_Autoencoder_Exercise.py(7KB)
--------Convolutional_Autoencoder_Exercise.ipynb(47KB)
--------Denoising_Autoencoder_Exercise.ipynb(67KB)
----PyTorch Exercises()
--------Part 1 - Tensors in PyTorch (Exercises).py(11KB)
--------Part 3 - Training Neural Networks (Exercises).py(15KB)
--------Part 2 - Neural Networks in PyTorch (Exercises).py(16KB)
--------Part 4 - Fashion-MNIST (Exercises).py(5KB)
----README.md(3KB)
----Transfer_Learning_Exercise.ipynb(1.29MB)
----Predicting_Bike-Sharing-Patterns()
--------Predicting_Bike-Sharing-Patterns_neural_network.ipynb(310KB)
--------README.md(1KB)
--------Predicting_Bike-Sharing-Patterns_my_answers.py(6KB)
----Style_Transfer_Exercise.ipynb(3.14MB)
----Dog_Breed_Classifier()
--------dog_app.ipynb(1.88MB)
--------README.md(11B)