资源简介
machine learning ex4
代码片段和文件信息
function checkNNGradients(lambda)
%CHECKNNGRADIENTS Creates a small neural network to check the
%backpropagation gradients
% CHECKNNGRADIENTS(lambda) Creates a small neural network to check the
% backpropagation gradients it will output the analytical gradients
% produced by your backprop code and the numerical gradients (computed
% using computeNumericalGradient). These two gradient computations should
% result in very similar values.
%
if ~exist(‘lambda‘ ‘var‘) || isempty(lambda)
lambda = 0;
end
input_layer_size = 3;
hidden_layer_size = 5;
num_labels = 3;
m = 5;
% We generate some ‘random‘ test data
Theta1 = debugInitializeWeights(hidden_layer_size input_layer_size);
Theta2 = debugInitializeWeights(num_labels hidden_layer_size);
% Reusing debugInitializeWeights to generate X
X = debugInitializeWeights(m input_layer_size - 1);
y = 1 + mod(1:m num_labels)‘;
% Unroll parameters
nn_params = [Theta1(:) ; Theta2(:)];
% Short hand for cost function
costFunc = @(p) nnCostFunction(p input_layer_size hidden_layer_size ...
num_labels X y lambda);
[cost grad] = costFunc(nn_params);
numgrad = computeNumericalGradient(costFunc nn_params);
% Visually examine the two gradient computations. The two columns
% you get should be very similar.
disp([numgrad grad]);
fprintf([‘The above two columns you get should be very similar.\n‘ ...
‘(Left-Your Numerical Gradient Right-Analytical Gradient)\n\n‘]);
% Evaluate the norm of the difference between two solutions.
% If you have a correct implementation and assuming you used EPSILON = 0.0001
% in computeNumericalGradient.m then diff below should be less than 1e-9
diff = norm(numgrad-grad)/norm(numgrad+grad);
fprintf([‘If your backpropagation implementation is correct then \n‘ ...
‘the relative difference will be small (less than 1e-9). \n‘ ...
‘\nRelative Difference: %g\n‘] diff);
end
属性 大小 日期 时间 名称
----------- --------- ---------- ----- ----
目录 0 2017-03-14 09:40 jiqixuexi-ex4\
目录 0 2017-03-14 09:40 jiqixuexi-ex4\练习4\
文件 1950 2017-03-14 09:40 jiqixuexi-ex4\练习4\checkNNGradients.m
文件 1095 2017-03-14 09:40 jiqixuexi-ex4\练习4\computeNumericalGradient.m
文件 841 2017-03-14 09:40 jiqixuexi-ex4\练习4\debugInitializeWeights.m
文件 1502 2017-03-14 09:40 jiqixuexi-ex4\练习4\displayData.m
文件 8099 2017-03-14 09:40 jiqixuexi-ex4\练习4\ex4.m
文件 7511764 2017-03-14 09:40 jiqixuexi-ex4\练习4\ex4data1.mat
文件 79592 2017-03-14 09:40 jiqixuexi-ex4\练习4\ex4weights.mat
文件 8749 2017-03-14 09:40 jiqixuexi-ex4\练习4\fmincg.m
目录 0 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\
目录 0 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\
文件 1624 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\AUTHORS.txt
文件 3862 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\ChangeLog.txt
文件 881 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\jsonopt.m
文件 1551 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\LICENSE_BSD.txt
文件 18732 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\loadjson.m
文件 15574 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\loadubjson.m
文件 771 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\mergestruct.m
文件 19369 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\README.txt
文件 17462 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\savejson.m
文件 16123 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\saveubjson.m
文件 1094 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\jsonlab\varargin2struct.m
文件 1195 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\makeValidFieldName.m
文件 5562 2017-03-14 09:40 jiqixuexi-ex4\练习4\lib\submitWithConfiguration.m
文件 3210 2017-03-14 09:40 jiqixuexi-ex4\练习4\nnCostFunction.m
文件 585 2017-03-14 09:40 jiqixuexi-ex4\练习4\predict.m
文件 903 2017-03-14 09:40 jiqixuexi-ex4\练习4\randInitializeWeights.m
文件 137 2017-03-14 09:40 jiqixuexi-ex4\练习4\sigmoid.m
文件 677 2017-03-14 09:40 jiqixuexi-ex4\练习4\sigmoidGradient.m
文件 1635 2017-03-14 09:40 jiqixuexi-ex4\练习4\submit.m
............此处省略1个文件信息
- 上一篇:Rockey4狗改密码工具
- 下一篇:公交查询系统183624
相关资源
- Logistic回归总结非常好的机器学习总结
- Convex Analysis and Optimization (Bertsekas
- 机器学习个人笔记完整版v5.2-A4打印版
- JUNIOR:粒子物理学中无监督机器学习
- 语料库.zip
- 中国科学技术大学 研究生课程 机器学
- 遗传算法越野小车unity5.5
- 吴恩达机器学习编程题
- shape_predictor_68_face_landmarks.dat.bz2 68个标
- 机器学习实战高清pdf,中文版+英文版
- 李宏毅-机器学习(视频2017完整)
- 吴恩达深度学习第一课第四周作业及
- 机器学习深度学习 PPT
- 麻省理工:深度学习介绍PPT-1
- Wikipedia机器学习迷你电子书之四《D
- Learning From Data Yaser S. Abu-Mostafa
- 北大林宙辰:机器学习一阶算法的优
- 李宏毅深度学习ppt
- 机器学习方法R实现-用决策树、神经网
- 数字金融反欺诈白皮书
- 机器学习班PPT原件全邹博
- 机器学习实战(源码和数据样本)
- 计算广告含有目录 刘鹏版
- 数据挖掘导论完整版PPT及课后习题答
- kaggle信用卡欺诈数据
- 机器学习技法原始讲义和课程笔记
- 机器学习数学 陈希孺《 概率论与数理
- 概率论与数理统计陈希孺
- 哈尔滨工业大学深圳 机器学习 2017 考
- [概率论与数理统计]陈希孺带目录
评论
共有 条评论