未来应该不太接触NLP，所以就大概看了下视频。主要完成了用numpy构造RNN和LSTM前向，后向不推导了。最后在附基于LSTM参加比赛的代码，LSTM时间序列模型参加比赛利器。RNN构造：import numpy as npimport rnn_utilsdef rnn_unit(apre, x, wax, waa, wya, ba, by):a = np.tanh(np.dot(wax, x.

这次作业坑也比较多。作业主要完成两部分任务：1.使用图像和名字判断人脸匹配情况 1:1判别2.不使用名字，直接图像判断 1：k首先导包，加载模型。这里有一个坑，他这通道是在图像大小之前的，他提供的模型文件里卷积层没有设置通道在前，导致报错A `Concatenate` layer requires inputs with matching shapes except for the concat

踩了无数的坑，终于是完成了。过程和用numpy写神经网络差不多，就是没了后向。首先导包，对数据进行处理：import osimport numpy as npimport h5pyimport matplotlib.pyplot as pltimport tensorflow as tffrom tensorflow.python.framework import opsimport tf_uti

导师给了个练手项目，记录下第一个项目过程：项目要求：检测无人机降落时是否偏移，识别降落点。想法是用opencv，使用传统的轮廓检测泛化性不太好，新到一批数据检测效果不佳，下一步考虑使用yolov5来检测。...

未来应该不太接触语音识别，因此这次作业我就简单实现了下触发字识别模型以及随机音频插入实现数据增强。首先导入正例、负例以及背景数据：import osimport numpy as npimport td_utilsos.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'# 忽略警告rate,data=td_utils.get_wav_info("audio_examples