在前几篇文章中，我们学习到如何在训练集上设置权重，并由此计算出损失，其中loss是有两部分组成，分别是数据损失项和正则化项目。我们最终想要得到损失函数关于权重矩阵w的梯度表达式，然后进行优化。我们采用梯度下降算法，进行迭代运算，计算梯度进行权重的更新，并一

对于一个新手来说，深度学习术语可能非常难以理解。本表试图解释深度学习常用术语并链接到原始参考，以帮助读者深入了解特定主题。例如，我这里不包括“交叉验证”，因为它是一种通用技术，用于整个机器学习。但是，我加入了softmax或word2vec等术语，因为它们

Keras代码示例多达数百个。通常我们只需复制粘贴代码，而无需真正理解这些代码。通过学习本教程，您将搭建非常简单的构架，但是此过程会带给您些许好处：您将通过阅读 VGG*的论文原著学习使用 Keras 从零开始实现 VGG 网络。我使用的术语是指由牛津大学

斯坦福大学人工智能系列课程CS231n新增一课，2019年春季开设视觉识别的卷积神经网络课程。该课程由李飞飞教授团队讲授。最近神经网络方法的发展极大地提高了这些最先进的视觉识别系统的性能。本课程深入研究深度学习架构的细节，重点学习这些任务的端到端模型，特别

CS231n近几年一直是计算机视觉领域和深度学习领域最为经典的课程之一。而最近刚刚结课的CS231n Spring 2017 仍由李飞飞主讲，并邀请了Goodfellow等人对其中部分章节详细介绍。本课程从计算机视觉的基础概念开始，在奠定了基本分类模型、神

CS231n 一直是计算机视觉最为经典的课程，而该 2017 年春季课程由李飞飞主讲，并邀请了 Goodfellow 等人对其中部分章节详细介绍。本课程从计算机视觉的基础概念开始，再在奠定了基本分类模型、神经网络和优化算法的基础后，李飞飞等人重点详细介绍了

斯坦福大学的课程 CS231n 作为深度学习和计算机视觉方面的重要基础课程，在学界广受推崇。今年 4 月，CS231n 再度开课，全新的 CS231n Spring 2017 仍旧由李飞飞带头，带来了很多新鲜的内容。今天机器之心给大家分享的是其中的第八讲

过去的一年对我来说是一段相当“惊艳”旅程。一年前，我离开了计算机芯片设计的全职工作，去“回到学校”，将专业转变为机器学习。但是，我没有以传统的方式回到学校，而是选择了Udacity在线教育。经过一年的在线学习和两个月的求职，我在宝马的硅谷技术办公室找到了一

每个神经元有两个输入x、y，一个输出z，好多层这种神经元连接起来，这时候已知L/z，可以求出L/x =L/z * z/x，L/y =L/z *z/y。靠这种方式可以计算出最终的loss function相对于最开始的输入的导数。如果直接求的话会很复杂很难求