网易云课堂 Andrew Ng 深度学习Class1-Class4课后作业及答案

【实例简介】
网易云课堂吴恩达的课后练习，从第一课到第四课，每课每周的作业都有，包含答案，第三课只有习题测试没有编程，所以不要误会资源不全，前三课的练习和第四课第一周的练习在压缩包中，第四课后三周的编程练习由于数据集太大，超出上传限制，所以给出的是一个下载链接。非常好的学习资源，全部四节课的代码，性价比还是很高的
【实例截图】
【核心代码】
deeplearning_code
└── deeplearning_code
├── 1_Neural Networks and Deep Learning
│   ├── Quiz-week1-Introduction to deep learning.pdf
│   ├── Quiz-week2-Coursera _ Online Courses From Top Universities.pdf
│   ├── Quiz-week3-Coursera _ Online Courses From Top Universities.pdf
│   ├── Quiz-week4-Coursera _ Online Courses From Top Universities.pdf
│   ├── week1
│   │   ├── deep-learning-notation.pdf
│   │   ├── img
│   │   │   ├── 1.1.png
│   │   │   ├── 1.2.png
│   │   │   └── 1.3.png
│   │   └── readme.md
│   ├── week2
│   │   ├── Logistic Regression as a Neural Network
│   │   │   ├── Logistic+Regression+with+a+Neural+Network+mindset+v3.ipynb
│   │   │   ├── datasets
│   │   │   │   ├── test_catvnoncat.h5
│   │   │   │   └── train_catvnoncat.h5
│   │   │   ├── images
│   │   │   │   ├── Lion_waiting_in_Namibia.jpg
│   │   │   │   ├── LogReg_kiank.png
│   │   │   │   ├── cat_in_iran.jpg
│   │   │   │   ├── gargouille.jpg
│   │   │   │   ├── image1.png
│   │   │   │   ├── image2.png
│   │   │   │   ├── la_defense.jpg
│   │   │   │   ├── my_image.jpg
│   │   │   │   └── my_image2.jpg
│   │   │   ├── lr_utils.py
│   │   │   ├── my_image.jpg
│   │   │   └── week2-Logistic+Regression+with+a+Neural+Network+mindset.ipynb
│   │   ├── Python Basics with Numpy
│   │   │   ├── Python+Basics+With+Numpy+v2.ipynb
│   │   │   ├── Python+Basics+With+Numpy+v3.ipynb
│   │   │   ├── Sigmoid.png
│   │   │   ├── images
│   │   │   │   ├── image2vector.png
│   │   │   │   └── image2vector_kiank.png
│   │   │   └── week2-Python+Basics+With+Numpy.ipynb
│   │   └── readme.md
│   ├── week3
│   │   ├── images
│   │   │   ├── classification_kiank.png
│   │   │   ├── grad_summary.png
│   │   │   ├── sgd.gif
│   │   │   └── sgd_bad.gif
│   │   ├── planar_utils.py
│   │   ├── readme.md
│   │   ├── testCases.py
│   │   └── week3-Planar+data+classification+with+one+hidden+layer.ipynb
│   └── week4
│   ├── Building your Deep Neural Network - Step by Step
│   │   ├── dnn_utils.py
│   │   ├── images
│   │   │   ├── 2layerNN.png
│   │   │   ├── NlayerNN.png
│   │   │   ├── backpass.png
│   │   │   ├── backprop.png
│   │   │   ├── backprop_kiank.png
│   │   │   ├── final outline.png
│   │   │   ├── imvector.png
│   │   │   ├── linearback_kiank.png
│   │   │   ├── mn_backward.png
│   │   │   ├── model_architecture2.png
│   │   │   ├── model_architecture_kiank.png
│   │   │   ├── n_model_backward.png
│   │   │   ├── nm_backward.png
│   │   │   ├── relu.png
│   │   │   └── structure.png
│   │   ├── testCases.py
│   │   ├── week4-Building+your+Deep+Neural+Network+-+Step+by+Step+v2.ipynb
│   │   └── week4-Building+your+Deep+Neural+Network+-+Step+by+Step.ipynb
│   └── Deep Neural Network Application Image Classification
│   ├── datasets
│   │   ├── test_catvnoncat.h5
│   │   └── train_catvnoncat.h5
│   ├── dnn_app_utils.py
│   ├── images
│   │   ├── 2layerNN_kiank.png
│   │   ├── LlayerNN_kiank.png
│   │   ├── imvector.png
│   │   ├── imvectorkiank.png
│   │   └── my_image.jpg
│   └── week4-Deep+Neural+Network+-+Application.ipynb
├── 2_Improving Deep Neural Networks
│   ├── Quiz_week1.pdf
│   ├── Quiz_week2.pdf
│   ├── Quiz_week3.pdf
│   ├── week1_Gradient_Checking
│   │   ├── Gradient+Checking.ipynb
│   │   ├── gc_utils.py
│   │   ├── images
│   │   │   ├── 1Dgrad_kiank.png
│   │   │   ├── NDgrad_kiank.png
│   │   │   ├── dictionary_to_vector.png
│   │   │   ├── handbackward_kiank.png
│   │   │   └── handforward_kiank.png
│   │   └── testCases.py
│   ├── week1_Regularization
│   │   ├── Regularization.ipynb
│   │   ├── datasets
│   │   │   ├── data.mat
│   │   │   ├── test_catvnoncat.h5
│   │   │   └── train_catvnoncat.h5
│   │   ├── images
│   │   │   ├── dropout1_kiank.mp4
│   │   │   ├── dropout2_kiank.mp4
│   │   │   └── field_kiank.png
│   │   ├── reg_utils.py
│   │   └── testCases.py
│   ├── week1_initialization
│   │   ├── Initialization.ipynb
│   │   └── init_utils.py
│   ├── week2_Optimization
│   │   ├── Optimization+methods.ipynb
│   │   ├── datasets
│   │   │   └── data.mat
│   │   ├── images
│   │   │   ├── Momentum.png
│   │   │   ├── cost.jpg
│   │   │   ├── kiank_minibatch.png
│   │   │   ├── kiank_partition.png
│   │   │   ├── kiank_sgd.png
│   │   │   ├── kiank_shuffle.png
│   │   │   ├── opt1.gif
│   │   │   ├── opt2.gif
│   │   │   └── opt_momentum.png
│   │   ├── opt_utils.py
│   │   └── testCases.py
│   └── week3_Tensorflow
│   ├── Tensorflow+Tutorial.ipynb
│   ├── datasets
│   │   ├── test_catvnoncat.h5
│   │   ├── test_signs.h5
│   │   ├── test_signs_1.h5
│   │   ├── test_signs_2.h5
│   │   ├── test_signs_3.h5
│   │   ├── train_catvnoncat.h5
│   │   ├── train_signs.h5
│   │   ├── train_signs_1.h5
│   │   ├── train_signs_2.h5
│   │   └── train_signs_3.h5
│   ├── images
│   │   ├── hands.png
│   │   ├── onehot.png
│   │   └── thumbs_up.jpg
│   ├── improv_utils.py
│   └── tf_utils.py
├── 3_Structuring Machine Learning Projects
│   ├── Quiz_week1.pdf
│   └── Quiz_week2.pdf
├── 4_卷积神经网络第一课
│   ├── Convolution+model+-+Application+-+v1.ipynb
│   ├── Convolution+model+-+Step+by+Step+-+v1.ipynb
│   ├── __pycache__
│   │   └── cnn_utils.cpython-36.pyc
│   ├── cnn_utils.py
│   ├── datasets
│   │   ├── test_signs.h5
│   │   └── train_signs.h5
│   └── images
│   ├── Convolution_schematic.gif
│   ├── PAD.png
│   ├── SIGNS.png
│   ├── a_pool.png
│   ├── ave-pool.png
│   ├── ave_pool1.png
│   ├── average_pool.png
│   ├── conv.png
│   ├── conv1.png
│   ├── conv_kiank.mp4
│   ├── conv_nn.png
│   ├── max_pool.png
│   ├── max_pool1.png
│   ├── model.png
│   ├── thumbs_up.jpg
│   └── vert_horiz_kiank.png
└── 卷积神经网络234课下载链接.txt

36 directories, 143 files