双十一之前正好在学习 NG 的深度学习入门课程。在使用 Python 完成作业中训练 MNIST 的自编码器的时候，发觉训练时间比之前课程中的训练时间长了不少。照这个情况，未来如果要更深入地学习深度学习的话，可能需要更为合适的主机。所以为了以更正确的姿势入坑深度学习（ 其实是为了攒机 ），打算在双十一组装一台。笔者之前有一次组装电脑的经历，不过对当时的配置几乎没什么印象，只记得最后 CPU 粘在.

在前几周的课程里，我们已经学习了 监督学习 中的 线性回归、逻辑回归、神经网络（ 点击进入笔记 ）。回顾课程作业，所有的样本数据都被用来训练模型。验证模型时，也只是将模型的数据结果与正确结果作对比来看正确率。 这样的训练方法是否正确？正确率是否能作为评价模型的标准？这周就将学习如何评价我们的模型，以及如何采取正确有效的改进策略。点击 课程视频 你就能不间断地学习 Ng 的课程，关于课程作业的 ..

很久之前就玩过 TensorFlow Playground，但当时对神经网络只有一个简单的概念，不明白各种参数的意义，把它们胡乱点了一遍，并且尝试多次也没能把螺旋形状的数据集分类成功。现在Andrew Ng 的课程学习过半（ 对之前 Ng 课程笔记有兴趣的同学可以访问 线性回归、逻辑回归 与 神经网络 ），在理解的基础上再玩了下，的确有不同的体会。而且由于 TensorFlow Playgro..

在前几周的课程里，我们已经学习了 监督学习 中的 线性回归、逻辑回归、神经网络（ 点击进入笔记 ）。回顾课程作业，所有的样本数据都被用来训练模型。验证模型时，也只是将模型的数据结果与正确结果作对比来看正确率。 这样的训练方法是否正确？正确率是否能作为评价模型的标准？这周就将学习如何评价我们的模型，以及如何采取正确有效的改进策略。点击 课程视频 你就能不间断地学习 Ng 的课程，关于课程作业的 ..