吴恩达Coursera深度学习课程 deeplearning.ai (1-4) 深层神经网络--作业（可执行源码）

＃使用的数据集 我们的主要数据集将由代码和手写图像的组合生成。 由于我们的目标是能够从手写的数学作业中提取答案，因此我们将专注于完成此任务的特定步骤。 我们将重点关注学生针对我们假设/要求圈出的特定问题所提出的答案。 因此，我们将使用以下数据集：http: 作为我们的数字手写图像。 然后，我们将使用python库，使用cv2将图像插入“圆形”边界内，主要方式如下： ://note.nkmk.me/en/python-pillow-paste/; 在给定文件内可能会发现多个带有圆圈的“图像”。

深层学习专业 吴安（Andrew Ng），deeplearning.ia，库拉 教学大纲 + Course 1: Neural Networks and Deep Learning 第一周 第1课：深度学习简介 第二周 第2课：逻辑回归作为神经网络 第3课：Python和向量化 实验1：Numpy的Python基础 作业1：具有神经网络心态的Logistic回归 第三周 第4课：浅层神经网络 作业2：具有一个隐藏层的平面数据分类 第四周 讲座5：深度神经网络 作业3：逐步建立您的深度神经网络

轻型装甲车 任务1-图像分类 实施图像分类模型 任务2-语义细分 实现两个语义分割模型 任务3-VAE，GAN和DANN 在此作业中，将为您提供人脸和手指图像的数据集。 您将需要实现VAE和GAN模型来生成人脸图像，而需要实现DANN模型来对来自不同域的数字图像进行分类。 任务4-少量分类 快速学习，旨在通过很少的训练示例来完成学习任务 项目-面部反欺骗 通常，面部反欺骗是两类分类任务。 真实：由相机直接捕获的面部图像。 伪造：从打印的照片，重播视频等重制的面部图像。 目标：训练一个模型来判