fengdu78 / deeplearning_ai_books Goto Github PK

I know the user can auto-translate but if someone can translate into proper meaning then it would be more useful and better understanding.
The content is very rich and awesome.
Thank you for contributing to the community.

非常感谢团队所做的工作！！！请问是否有英文版本的笔记公开呢？

第六行的n[0]是否写错了，应该是n[2]

commit记录
课后作业仍然可以通过这个commit记录看到分享地址，是否可以把百度网盘的分享关闭。

"如果你使用了多重过滤, 比如16", 我觉得是否此处应为 “多filter或者多通道, 比如16”

反向传播步骤（2），𝑑𝑤[𝑙]=𝑑𝑧[𝑙]⋅𝑎[𝑙−1]，其中𝑎[𝑙−1]需要转置，否则维度对不上？不知道理解是否正确，请指正。

原视频 “2.5 指数加权平均的偏差修正” 1分05秒说
0.02*40=8
实际应该是0.02*40=0.8

笔记v5.57第188页第12行也按0.02x40=8写的

第六行的n[0]是否写错了，应该是n[2]

如果有错误的地方，请告知，非常感谢。

注意：写上笔记版本号，错误的页码

留一个链接，可以直接下载笔记，git仓库下载太慢了。
另外笔记已经被人用于商业用途了。。

Hacktoberfest (http://hacktoberfest.digitalocean.com) has come so can give label hacktoberfest to this project so many people can make contribution by translate this material.

深度学习笔记v5.6中第44页最上面一行，
更新𝑤_1 = 𝑤_1 − 𝑎𝑑𝑤^1 ， 更新𝑤_2 = 𝑤_2 − 𝑎𝑑𝑤^2 ，
其中𝑎 应该为alpha。
此外，42页中的𝑤和𝑏的修正量的表达式中也是a，应该改为alpha

2.16 节（p65）最后一段第二行公式有误（少一个点）：首先设置 a = np.random.randn(5)

在markdown版本，week2lesson1，2.10 中
此处应为代价函数(Cost function)

您好，感谢分享！
今天发现 在线课程笔记链接 网站失效了，提示域名未备案遭到拦截？不知是何种原因呢~？谢谢

你好，最新的那个depplearning学习笔记pdf打不开

词嵌入 除偏 里的 'actor' 感觉应该翻译成 ‘男演员’

word2016打开封面出现文字在重叠

"1 到m实现这四个等式：w和b的没有上标(i)"

比如这样的，不太清楚这是什么写法，真的很难看懂。
${\theta_{j}}:={\theta_{j}}-\alpha \frac{\partial }{\partial {\theta_{j}}}J\left(\theta \right)$

Page 596 : CBOW对小型数据库比较合适，而Skip-Gram在大型语料中表现更好。
总结下：CBOW是从原始语句推测目标字词；而Skip-Gram正好相反，是从目标字词推测出原始语句。

仔细听了多遍视频，确定没有这个话语，这是翻译中额外加进去的；一直无法理解这段话。

P460, Don't cares (不在乎， 因为无意义)

P463， bh 与 bw 应该是混了，bh is box height, bw is box width.

请教一下大家，这是个什么问题，我直接运行参考答案，前面两步的结果都是对得上的，后面就对不上了。
系统 Ubuntu14.04
python:anaconda2
第四课week1作业Convolution model - Application _original.ipynb
initialize_parameters()这个输出对得上
但是下一个forward_propagation()就不对了

=====
输入：
tf.reset_default_graph()

with tf.Session() as sess:
np.random.seed(1)
X, Y = create_placeholders(64, 64, 3, 6)
parameters = initialize_parameters()
Z3 = forward_propagation(X, parameters)
init = tf.global_variables_initializer()
sess.run(init)
a = sess.run(Z3, {X: np.random.randn(2,64,64,3), Y: np.random.randn(2,6)})
print("Z3 = " + str(a))

====
输出
Z3 = [[ 1.44169819 -0.24909675 5.45049953 -0.26189643 -0.20669889 1.36546719]
[ 1.40708482 -0.02573231 5.08927965 -0.48669893 -0.40940714 1.26248538]]

期望输出：

Z3 = | [[-0.44670227 -1.57208765 -1.53049231 -2.31013036 -1.29104376 0.46852064] [-0.17601591 -1.57972014 -1.4737016 -2.61672091 -1.00810647 0.5747785 ]]

===================
后面训练的结果惨不忍睹，迭代500个epoch，才有78.%的训练准确率，63%的测试准确率

请问可能是什么问题呢

大哥，你是如此的优秀以及无私，感谢你

第一门课3.9节公式3.28 cost function公式应该是sum 1 to m

Siamse network
加如 -> 应该是 "假如"

page 36
下面用到的公式：

dj/du=dj/dv * dv/du

这个是wu'en'da吴恩达的⬆️

这个是您的⬆️
guan'yu关于您的关于W的维数

本人是一名AI爱好者，上coursera学习了这门课程，质量确实精良，收获颇多。非常支持你们的翻译行为，为很多学习者提供了方便。
但是我建议遵守coursera的规则，不要公开作业。呼吁作者尊重知识，尊重他人的劳动成果，也尊重他人获取知识快感。体面人做体面事，维护程序员的形象。

Coursera注册课程，真的感兴趣的，边工边读，一个月基本就能学完，价格49dollar，合人民币350块不到，附赠7天，37天。如果真的是拿不出钱，Coursera还提供助学金。

以下是coursera作业之前的提醒：

Deep Learning Honor Code

We strongly encourage students to form study groups, and discuss the lecture videos (including in-video questions). We also encourage you to get together with friends to watch the videos together as a group. However, the answers that you submit for the review questions should be your own work. For the programming exercises, you are welcome to discuss them with other students, discuss specific algorithms, properties of algorithms, etc.; we ask only that you not look at any source code written by a different student, nor show your solution code to other students.

You are also not allowed to post your code publicly on github.

“深度学习算法对于训练集中的随机错误是相当健壮的（robust）”

Robust, 原文中翻译为 “健壮”；
实际上这是一个 Reliability 术语， 在中文中已有约定俗成的翻译， “鲁棒性”。

“你的算法在训练过的数据中表现如何呢？然后这就是训练-开发集错误率，通常来自这个分布的错误率会高一点，一般的语音识别数据，如果你的算法没在来自这个分布的样本上训练过，它的表现如何呢？这就是我们说的训练-开发集错误率。”

中文翻译：卷积的滑动窗口实现
英文： (Convolutional implementation of sliding windows)

是否翻译为，滑动窗口的卷积实现，更为合适？

RT

您好，非常感谢您对论文的整理，我还是不是很清楚如何用Zotero导入rdf ， 请问您可否将详细步骤告知？非常感谢

第四周，检测更多的边缘。“尽管比起那些研究者们，我们要更费劲一些，但确实可以动手写出这些东西。” 而原文的意思是，通过把过滤器的数值设置成待学习的参数，神经网络可以自动学习出最终的过滤器，这些过滤器的构建过程比计算机视觉专家手动设计过滤器的过程更加高效可靠。这里的robustly是健壮地可靠地的意思。

有同学提供了一个离线视频的下载：链接：https://pan.baidu.com/s/1ciq3qHo0lgoD3MLRwfeqnA 密码：0kim

v5.55版，93页最上面，“常熟”应为“常数”

前向暂停（forward pause） 改成 前向脉冲（forward pulse）感觉会好一点

P550: 使用基于字符的语言模型有有点也有缺点， Typing error -> “有优点也有缺点”;
P553: RNN 会不擅长处理长期依赖的问题， -> "Long range dependencies 长距离的依赖问题"

感谢分享，笔记v5.53有个笔误第61页应该是“假设上图的表格是一个3行4列的矩阵A“

在课后作业的代码中，要可视化set的时候，Y标签总是需要reshape或者flatten一下，不然会报错。

page 560，
“因为多年来研究者试验过很多不同可能的方法来设计这些单元，去尝试让神经网络有更深层的连接，去产生try to have models longer range effects”; 此处之意我理解是"能够建模来定义一个语句中距离较远的前后依赖关系(Cat, ..., was; Cats, ...were)".

最后一段中的"这个结构可以更好地埔捉Long range dependencies (非常长范围的依赖) ", 语义翻译应该更为直接， “一个语句中距离较远的前后依赖关系”

请问下，这一部分的LSTM的反向传播部分，门的几个微分公式，在原视频里面没有找到，对这一块不是很理解，请问能详细解释下吗？
比如说，输出门微分项

是依据那个式子求出来的

在计算Bleu得分的BP惩罚时，吴恩达博士的课件中原公式为
exp(1-MT_output_length/reference_output_lenght)

应改为exp(1-reference_output_lenght/MT_output_length)