ขนาดวิดีโอ: 1280 X 720853 X 480640 X 360
แสดงแผงควบคุมโปรแกรมเล่น
เล่นอัตโนมัติ
เล่นใหม่
我的全网第一男神！表白宏毅老师！
老师讲的真好，我的深度学习启蒙老师，表白表白！！！！！！
全台最帥教授，只服李教授
谢谢李老师！最生动，最易懂的AI课程。
华人里最牛逼的深度学习老师
只是讲课讲的最牛逼
feature normaliaztion 是可以想成統計上的Z轉換嗎?
13:14實際上應該是如何運算?產生了滿多困惑,想詳細了解,請解惑?
表白老师，讲的太好了，什么时候上字幕
The diagram on page 7 is better described as a computation graph than a (neural) network.
老师，训练结束以后，测试数据要怎样输入到网络，需要normalization吗，但是每个batch的u与sigma不一样啊是测试数据的u和sigma也是一直在做moving average吗
感觉也只能这样
请问老师助教讲作业的录影有机会放出来嘛？认真做了作业希望有点反馈
我也是，很多疑惑没有人解答😭
好像李宏毅老师主页上有
@@ChenyuZheng-y5m 嗯嗯 我看到助教讲评作业的ppt了 不过我是想问有没有讲优秀作业的office hour 😂讲讲怎么过strong baseline
我一直看不懂 等高图，请问怎么看，哪里有教程？谢谢🙏
想請問在第七頁的ppt上，老師把所有z的vector一起算平均和標準差，之後每個z的element在標準化，我想請問為什麼不能再跟normilize x的地方一樣，都個別標準化呢？
x ̃1 代表着一个data
1是上标不是特征的一维，而是一个特征向量
我也有一樣的問題 他在處理x標準化 跟 處理z標準化的方式好像是不一樣的
@@hsin3872 处理方式应该是一样的吧，都需要有一个batch，求出对应是向量的μ和Σ
@@deadfire7973好像不太一样，对x的处理没有考虑batch的因素，是统一了x的不同维度的范围，对z的话从课件里看已经没有这个功能了，z不同维度的范围并没有统一，更像是统一了不同batch下z的范围
请问input输入时候的标准化和训练时每一层的标准化是一回事儿吗？似乎第4页的是针对某一个特征值的标准化，但是到了第5页，就变成了对训练资料不同特征的标准化，这里有些困惑。
懂了，原来是要一次输入一个batch的数据，然后对每一个特征做标准化。听到后面讲明白了
@@cunningshark 我也纠结了好久是针对输入数据的行维度还是feature维度做normalization
讲的真好
10:00請問x1、x2、x3算是一個batch嗎?
x1x2x3构成了一个数据条目，若干数据条目里的构成一个batch，对一个batch里所有的「x1x2x3」normalization就是BatchNorm
15:16请问这里z1,z2,z3为什么会改变，不是training sample吗？
z不是原始的sample
z是中间层结果，学习阶段参数改变z就改变
老師你是我的神
哈哈，更高一级应該是佛
好像沒看到Batch Normalization 的slide@@?是我眼花沒找到嗎>
description 里就有
讲得非常好👍
点赞
viagra -> serendipitous
研一
我的全网第一男神！表白宏毅老师！
老师讲的真好，我的深度学习启蒙老师，表白表白！！！！！！
全台最帥教授，只服李教授
谢谢李老师！最生动，最易懂的AI课程。
华人里最牛逼的深度学习老师
只是讲课讲的最牛逼
feature normaliaztion 是可以想成統計上的Z轉換嗎?
13:14
實際上應該是如何運算?
產生了滿多困惑,
想詳細了解,
請解惑?
表白老师，讲的太好了，什么时候上字幕
The diagram on page 7 is better described as a computation graph than a (neural) network.
老师，训练结束以后，测试数据要怎样输入到网络，需要normalization吗，但是每个batch的u与sigma不一样啊
是测试数据的u和sigma也是一直在做moving average吗
感觉也只能这样
请问老师助教讲作业的录影有机会放出来嘛？认真做了作业希望有点反馈
我也是，很多疑惑没有人解答😭
好像李宏毅老师主页上有
@@ChenyuZheng-y5m 嗯嗯 我看到助教讲评作业的ppt了 不过我是想问有没有讲优秀作业的office hour 😂讲讲怎么过strong baseline
我一直看不懂 等高图，请问怎么看，哪里有教程？谢谢🙏
想請問在第七頁的ppt上，老師把所有z的vector一起算平均和標準差，之後每個z的element在標準化，我想請問為什麼不能再跟normilize x的地方一樣，都個別標準化呢？
x ̃1 代表着一个data
1是上标不是特征的一维，而是一个特征向量
我也有一樣的問題 他在處理x標準化 跟 處理z標準化的方式好像是不一樣的
@@hsin3872 处理方式应该是一样的吧，都需要有一个batch，求出对应是向量的μ和Σ
@@deadfire7973好像不太一样，对x的处理没有考虑batch的因素，是统一了x的不同维度的范围，对z的话从课件里看已经没有这个功能了，z不同维度的范围并没有统一，更像是统一了不同batch下z的范围
请问input输入时候的标准化和训练时每一层的标准化是一回事儿吗？似乎第4页的是针对某一个特征值的标准化，但是到了第5页，就变成了对训练资料不同特征的标准化，这里有些困惑。
懂了，原来是要一次输入一个batch的数据，然后对每一个特征做标准化。听到后面讲明白了
@@cunningshark 我也纠结了好久是针对输入数据的行维度还是feature维度做normalization
讲的真好
10:00
請問x1、x2、x3算是一個batch嗎?
x1x2x3构成了一个数据条目，若干数据条目里的构成一个batch，对一个batch里所有的「x1x2x3」normalization就是BatchNorm
15:16
请问这里z1,z2,z3为什么会改变，不是training sample吗？
z不是原始的sample
z是中间层结果，学习阶段参数改变z就改变
老師你是我的神
哈哈，更高一级应該是佛
好像沒看到Batch Normalization 的slide@@?
是我眼花沒找到嗎>
description 里就有
讲得非常好👍
点赞
viagra -> serendipitous
研一
讲的真好