我是管小亮 :)
我是管小亮 :)

【CS231n】斯坦福大学李飞飞视觉识别课程笔记

最近开了一个新坑——【CS231n】斯坦福大学李飞飞视觉识别课程，准备认真学习并记录自己的学习历程。

文章目录

    • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记
    • 课程笔记
    • 学习安排
      • Week 1
      • Week2
      • Week3
      • Week4
      • Week5
      • Week6
      • Week7
      • Week8
      • Week9
      • Week10
      • Week11
      • Week12

【CS231n】斯坦福大学李飞飞视觉识别课程笔记

由官方授权的CS231n课程笔记翻译知乎专栏——智能单元，比较详细地翻译了课程笔记，我这里就是参考和总结。

【CS231n】斯坦福大学李飞飞视觉识别课程笔记_第1张图片

课程笔记

  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（一）：Python Numpy教程(1)
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（二）：Python Numpy教程(2)
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（三）：Python Numpy教程(3)
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（四）：图像分类笔记（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（五）：图像分类笔记（下）
  • 【CS231n】K最近邻分类算法（K Nearest Neighbor）
  • 【CS231n】A Few Useful Things to Know about Machine Learning全文翻译
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（六）：线性分类笔记（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（七）：线性分类笔记（中）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（八）：线性分类笔记（下）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（九）：最优化笔记（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十）：最优化笔记（下）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十一）：反向传播笔记
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十二）：神经网络笔记1（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十三）：神经网络笔记1（下）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十四）：神经网络笔记2（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十五）：神经网络笔记2（下）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十六）：神经网络笔记3（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十七）：神经网络笔记3（下）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十八）：卷积神经网络笔记（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十九）：卷积神经网络笔记（下）

学习安排

每周具体时间划分为4个部分：

  • 1部分安排在周一到周二
  • 2部分安排在周四到周五
  • 3部分安排在周日
  • 4部分作业是任何有空的时间自行完成，可以落后于学习进度
  • 周三和周六休息 _

Week 1

  1. 了解计算机视觉综述，历史背景和课程大纲
  • slides: lecture01
  • 观看视频 p1, p2 和 p3
  1. 学习数据驱动的方法, 理解 KNN 算法，初步学习线性分类器
  • slides: lecture02
  • 观看视频 p4 p5 和 p6
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（四）：图像分类笔记（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（五）：图像分类笔记（下）
  1. 掌握本门课 python 编程的基本功
  • 阅读 python 和 numpy 教程和代码
  1. 作业
  • (热身)写一个矩阵的类，实现矩阵乘法，只能使用 python 的类(class)和列表(list)
  • 完成assignment1 中的 knn.ipynb

Week2

  1. 深入理解线性分类器的原理
  • slides: lecture03
  • 观看视频 p7
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（六）：线性分类笔记（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（七）：线性分类笔记（中）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（八）：线性分类笔记（下）
  1. 学习损失函数以及梯度下降的相关知识
  • slides: lecture03
  • 观看视频 p8
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（九）：最优化笔记（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十）：最优化笔记（下）
  1. 掌握矩阵求导的基本方法
  • 根据资料，学习矩阵求导的基本技巧，看多少内容取决于个人需要
  1. 作业
  • 简述 KNN 和线性分类器的优劣, 打卡上传知知识圈
  • 完成assignment1 中 svm.ipynb

Week3

  1. 学习掌握深度学习的基石: 反向传播算法
  • slides: lecture04
  • 观看视频 p9
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十一）：反向传播笔记
  1. 理解神经网络的结构和原理
  • slides: lecture04
  • 观看视频 p10
  1. 深入理解反向传播算法
  • 阅读反向传播算法的数学补充和例子
  1. 作业
  • 完成 assignment1 中的 softmax.ipynb
  • 完成 assignment1 中的 two_layer_net.ipynb

Week4

  1. 掌握 PyTorch 中的基本操作
  • 学习 pytorch 的入门基础——【Pytorch】30分钟快速入门pytorch（前方高能，干货出没）
  1. 了解 kaggle 比赛的流程，并完成第一次的成绩提交
  • 了解比赛房价预测
  • 学习模板代码

  1. 学习深度学习的系统项目模板

  2. 作业

  • 完成 assignment1 中的 features.ipynb
  • 修改房价预测的代码，在知识圈上提交 kaggle 的成绩

Week5

  1. 理解 CNN 中的卷积
  • slides: lecture05
  • 观看视频 p11, p12
  1. 理解 CNN 中的 pooling
  • slides: lecture05
  • 观看视频 p13
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十八）：卷积神经网络笔记（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十九）：卷积神经网络笔记（下）
  1. 完成 CNN 的第一个应用练习，人脸关键点检测
  • 阅读 facial keypoint 小项目
  • 参考代码
  1. 作业
  • 思考一下卷积神经网络对比传统神经网络的优势在哪里？为什么更适合处理图像问题，知识圈打卡上传
  • 完成 assignment2 中 FullyConnectedNets.ipynb

Week6

  1. 理解激活函数，权重初始化，batchnorm 对网络训练的影响
  • slides: lecture06
  • 观看视频 p14
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十二）：神经网络笔记1（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十三）：神经网络笔记1（下）
  1. 深入理解 BatchNormalization
  • slides: lecture06
  • 观看视频 p15
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十四）：神经网络笔记2（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十五）：神经网络笔记2（下）
  1. 总结回顾和理解深度学习中 normalize 的技巧
  • 阅读文章 【深度学习】Batch Normalization（批归一化）
  1. 作业
  • 完成 assignment2 中 BatchNormalization.ipynb
  • 完成 assignment2 中 Dropout.ipynb

Week7

  1. 理解更 fancy 的优化方法，更多的 normalize 以及正则化和迁移学习对网络训练的影响
  • slides: lecture07
  • 观看视频 p16, p17 和 p18
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十六）：神经网络笔记3（上）
  • 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十七）：神经网络笔记3（下）
  1. 了解第二次的 kaggle 比赛 cifar10 分类
  • 报名 cifar10 比赛
  • 学习模板代码
  1. 全面的理解深度学习中的优化算法
  • 阅读优化算法的笔记
  1. 作业
  • 完成 assignment2 中 ConvolutionNetworks.ipynb
  • 修改 cifar10 的网络结构，在知识圈上提交 kaggle 成绩

Week8

  1. 了解主流深度学习框架之间的区别与联系
  • slides: lecture08
  • 观看视频 p19
  1. 了解经典的网络结构
  • slides: lecture09
  • 观看视频 p20
  1. 理解卷积神经网络的最新进展
  • 学习笔记变形卷积核、可分离卷积？卷积神经网络中十大拍案叫绝的操作
  1. 作业
  • 完成 assignment2 中的 PyTorch.ipynb
  • 学习模板代码, 尝试更大的网络结构完成 kaggle 比赛种子类型识别的比赛，在知识圈上提交 kaggle 成绩

Week9

  1. 掌握 RNN 和 LSTM 的基本知识
  • slides: lecture10
  • 观看视频 p21
  1. 了解语言模型和 image caption 的基本方法
  • slides: lecture10
  • 观看视频 p22 和 p23
  1. 更深入的理解循环神经网络的内部原理
  • 学习blog Understanding LSTM Networks, 中文版本
  1. 作业
  • 完成 assignment3 中的 RNN_Captioning.ipynb
  • 完成 assignment3 中的 LSTM_Captioning.ipynb
  • 完成 coco 数据集上的 image caption 小项目，参考代码

Week10

  1. 学习计算机视觉中的语义分割问题
  • slides: lecture11
  • 观看视频 p24
  1. 学习计算机视觉中的目标检测问题
  • slides: lecture11
  • 观看视频 p25 和 p26
  1. 了解目标检测中的常见算法
  • 学习目标检测的笔记
  1. 作业
  • 阅读论文 Fully Convolutional Networks for Semantic Segmentation 和中文笔记
  • (可选) FCN 的复现代码理解

Week11

  1. 理解卷积背后的原理
  • slides: lecture13
  • 观看视频 p27
  1. 学习 deep dream 和 风格迁移等有趣应用
  • slides: lecture13
  • 观看视频 p28
  1. 了解无监督学习和生成模型
  • slides: lecture12
  • 观看视频 p29
  1. 作业
  • 完成 assignment3 中的 NetworkVisualization-PyTorch.ipynb
  • 阅读论文 SSD: Single Shot MultiBox Detector 和一个详细的讲解
  • (可选) SSD 的复现代码理解

Week12

  1. 掌握自动编码器和生成对抗网络的基本原理
  • slides: lecture12
  • 观看视频 p30 和 p31
  1. 了解强化学习的基本概念
  • slides: lecture14
  • 观看视频 p32
  1. 学习强化学习中的 q learning 和 actor-critic 算法
  • slides: lecture14
  • 观看视频 p33
  1. 作业
  • 完成 assignment3 中的 GANs-PyTorch.ipynb
  • 完成 assignment3 中的 StyleTransfer-PyTorch.ipynb

你可能感兴趣的:(CS231n)

  • cs231n_深度之眼第二次作业 Jie_Cheney
    图像分类数据和label分别是什么？图像分类存在的问题与挑战？图像分类数据包括训练集测试集的数据，在有监督的问题中对于训练集数据来说是有label的，而测试集是等待我们去识别它的类别，不具有label。label就是分类标签，比如cifar10这个数据集，待分类的这10类数据我们可以写成1-10，或者0-9这就叫做label。图像分类存在的问题与挑战：光照，角度，形变，遮挡。使用python加载一
  • 向量，矩阵和张量的导数 | 简单的数学 橘子学AI
    前段时间看过一些矩阵求导的教程，在看过的资料中，尤其喜欢斯坦福大学CS231n卷积神经网络课程中提到的Erik这篇文章。循着他的思路，可以逐步将复杂的求导过程简化、再简化，直到发现其中有规律的部分。话不多说，一起来看看吧。作者：ErikLearned-Miller翻译：橘子来源：橘子AI笔记（datawitch）本文旨在帮助您学习向量、矩阵和高阶张量（三维或三维以上的数组）的求导方法，以及如何求对
  • cs231n assignment1——SVM 柠檬山楂荷叶茶 cs231n支持向量机python机器学习
    整体思路加载CIFAR-10数据集并展示部分数据数据图像归一化，减去均值（也可以再除以方差）svm_loss_naive和svm_loss_vectorized计算hinge损失，用拉格朗日法列hinge损失函数利用随机梯度下降法优化SVM在训练集和验证集计算准确率，保存最好的模型在测试集进行预测计算准确率加载展示划分数据集加载CIFAR-10数据集#LoadtherawCIFAR-10data.
  • （2023版）斯坦福CS231n学习笔记：DL与CV教程 (12) | 视觉模型可视化与可解释性（Visualizing and Understanding） 女王の专属领地 计算机视觉#计算机视觉#学习笔记
    前言笔记专栏：斯坦福CS231N：面向视觉识别的卷积神经网络（23）课程链接：https://www.bilibili.com/video/BV1xV411R7i5CS231n:深度学习计算机视觉（2017）中文笔记：https://zhuxiaoxia.blog.csdn.net/article/details/801551662023最新课程PPT：https://download.csdn.
  • 2019-02-25~~2019-03-03 第十周周末复盘 仰望星空的小狗
    一、任务清单1、刷leetcode题目（7道）2、听tensorflow，cs231n和cv课程3、技术文档输出4、恢复早起的作息二、反思1、自从年前工作非常忙，加上遇上一些郁闷的事情，导致年前到现在时间记录中断了很长一段时间。本周开始恢复时间记录，日打卡，周复盘。2、生活中不论谁，肯定会时不时遇上一些令人郁闷的事情，这些郁闷的事情很可能会打乱原本的生活节奏。但是，生活还有很长的路要走，不应该因为
  • 训练神经网络(上)激活函数 笔写落去 深度学习神经网络人工智能深度学习
    本文介绍几种激活函数,只作为个人笔记.观看视频为cs231n文章目录前言一、Sigmoid函数二、tanh函数三、ReLU函数四、LeakyReLU函数五、ELU函数六.在实际应用中寻找激活函数的做法总结前言激活函数是用来加入非线性因素的，提高神经网络对模型的表达能力，解决线性模型所不能解决的问题。一、Sigmoid函数这个函数大家应该熟悉在逻辑回归中曾用到这个sigmoid函数这个函数可以将负无
  • 卷积神经网络 weixin_34283445 人工智能
    https://zhuanlan.zhihu.com/p/27642620关于卷积神经网络的讲解，网上有很多精彩文章，且恐怕难以找到比斯坦福的CS231n还要全面的教程。所以这里对卷积神经网络的讲解主要是以不同的思考侧重展开，通过对卷积神经网络的分析，进一步理解神经网络变体中“因素共享”这一概念。注意：该文会跟其他的现有文章有很大的不同。读该文需要有本书前些章节作为预备知识，不然会有理解障碍。没看
  • CS231n 作业答案 tech0ne
    CS231n三次大作业：#第一次作业##原始包下载：作业一完成包地址：作业一JupyterNotebook结果：KNNSVMSoftmaxTwolayernetFeatures第二次作业原始包下载：作业二完成包地址：作业二JupyterNotebook结果：FullyConnectedNetsBatchNormalizationDropoutConvolutionalNetworksTensorf
  • cs231n作业-assignment1 momentum_ AIpython机器学习numpy
    assignment1(cs231n)文章目录assignment1(cs231n)KNN基础计算distances方法一：双层循环计算distances方法二：单层循环计算distances方法三：无循环根据dists找到每个测试样本的种类KNN模型汇总交叉验证KNN基础计算distances方法一：双层循环dists矩阵是（num_test,num_train）500*5000defcompu
  • 【深度学习理论】(1) 损失函数 立Sir 深度学习理论机器学习人工智能神经网络深度学习损失函数
    各位同学好，最近学习了CS231N斯坦福计算机视觉公开课，讲的太精彩了，和大家分享一下。已知一张图像属于各个类别的分数，我们希望图像属于正确分类的分数是最大的，那如何定量的去衡量呢，那就是损失函数的作用了。通过比较分数与真实标签的差距，构造损失函数，就可以定量的衡量模型的分类效果，进而进行后续的模型优化和评估。构造损失函数之后，我们的目标就是将损失函数的值最小化，使用梯度下降的方法求得损失函数对于
  • 线性分类器--数据处理 骆驼穿针眼 计算机视觉与深度学习深度学习
    数据集划分通常按照70%，20%，10%来分数据集数据处理斯坦福的线性分类器体验http://vision.stanford.edu/teaching/cs231n-demos/linear-classify/
  • 【CS231n】－学习笔记-1-Intro to Computer Vision, historical context. Alice熹爱学习 计算机视觉计算机视觉CS231nDeepLearningPYTHON
    Class:http://cs231n.stanford.eduSchedule:http://cs231n.stanford.edu/syllabus.htmlSlides:http://vision.stanford.edu/teaching/cs231n/slides/winter1516_lecture1.pdfVideo:https://www.youtube.com/watch?v=N
  • 笔记00-杜克大学公开课,图像和视频处理:从火星到好莱坞 木木爱吃糖醋鱼
    笔记内容介绍》ImageandVideoProcessing:FromMarstoHollywoodwithaStopattheHospital算起来是2017年中的时候，因为要搞深度学习的东西，就自学了斯坦福cs231n的神经网络的课。Youtube上有至少两期的公开课视频。好像从李飞飞离职之后，截止到2017年春季，就没再继续了。现在想想哪门课的内容挺多挺繁杂的。虽然是本科的课，最后好像每个学
  • 向量对向量求导，链式法则 构建的乐趣 向量对向量求导
    这还算不得向量微积分里多么主干的内容，只是一个小技术，但是数学推导很多时候就会用到。http://cs231n.stanford.edu/vecDerivs.pdf这个文献是一个好文献。另优秀翻译：https://zhuanlan.zhihu.com/p/142668996链式法则注意：这里的乘法变成了innerproduct推导过程中比较关键的点：除了利用这文献所讲的分量慢慢推，还有一个要点，首
  • Win10上关于cs231n（2017）课后作业的环境配置 Diane小山
    开始首先，这篇文章是针对那些想完成cs231n作业，但是觉得装linux双系统很麻烦的童鞋。cs231n作业的SetUp官方教程只针对了那些使用Unix(Ubuntu,Macos等)的人，对使用Windows的人十分不友好。安装anaconda百度一篇anaconda的安装教程，照着安装即可。这里需要提醒的有两点：国内的anaconda镜像能用的基本都挂了，所以还是老老实实去官方网站下载吧：）一定
  • CS231N assignment2 SVM weixin_30363509 数据结构与算法人工智能python
    CS231NAssignment2SupportVectorMachineBegin本文主要介绍CS231N系列课程的第一项作业，写一个SVM无监督学习训练模型。课程主页：网易云课堂CS231N系列课程语言：Python3.61线形分类器以图像为例，一幅图像像素为32*32*3代表长32宽32有3通道的衣服图像，将其变为1*3072的一个向量，即该图像的特征向量。我们如果需要训练1000幅图像，那
  • 【AI】斯坦福CS231n课程练习（1）—— KNN和SVM分类 李清焰 CS231nKNNSVM
    文章目录一、前言1、CS231n是啥？2、本篇博客任务3、使用的数据集二、知识准备1、KNN是什么？2、SVM是什么？SVM的组成：三、实验——KNN和SVM分类1、KNN图片分类（重要步骤将在目录上体现）（1）在colab上切换目录，加载dataset（2）加载包、设置和外部模块（3）加载、初步处理数据（4）可视化打印一些图片看看我们的数据集长什么样（5）对测试、训练数据进行分组（6）创建KNN
  • 深度学习系列之cs231n assignment1 KNN（二） 明曦君 深度学习python机器学习
    写在前面：久经周折，终于能够将KNN系列给大家继续分享了，这次的内容来源于李飞飞教授团队的cs231n深度学习课程的作业1中的KNN研究，我会在全文我遇到困难的地方进行分享，以及一些想法。内容安排深度学习系列依托与cs231n的课程作业，因为只想练习编程，所以不对课程内容进行分享，仅针对编程内容进行分享。那么这一次的分享就是assignment1中K近邻分类器的使用，以及完成其中的四个问题，这四个
  • cs231n assignment2(3) 没天赋的学琴
    assignment2的第三部分，是熟悉深度学习框架pytorch或者tensorflow，这里选择的是使用pytorch框架。该部分主要通过三个层次：Barebones、ModuleAPI、SequentialAPI，来了解pytorch。Barebones在该层次中，需要利用pytorch所提供的一些函数，不仅需要定义神经网络的结构，同时还需编写网络的前向传播以及模型的训练部分；而参数的梯度可
  • 第三十三周学习笔记 luputo 学习笔记
    第三十三周学习笔记CS231nDeepLearningSoftwareCPUvsGPUCPU:Fewercores,buteachcoreismuchfasterandmuchmorecapable;greatatsequentialtasksGPU:Morecores,buteachcoreismuchslowerand“dumber”;greatforparalleltasks（matrixm
  • CNN(卷积神经网络)、RNN(循环神经网络)、DNN，LSTM weixin_34174132 人工智能
    http://cs231n.github.io/neural-networks-1https://arxiv.org/pdf/1603.07285.pdfhttps://adeshpande3.github.io/adeshpande3.github.io/A-Beginner's-Guide-To-Understanding-Convolutional-Neural-Networks/Appli
  • CNN笔记：通俗理解卷积神经网络 I_O_fly 神经网络cnn神经网络深度学习
    通俗理解卷积神经网络（cs231n与5月dl班课程笔记）1前言2012年我在北京组织过8期machinelearning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。当我2013年再次来到北京时，有一个词似乎比“机器学习”更火，那就是“深度学习”。本博客内写过一些机器学习相关的文章，但上一篇技术文章“LDA主题模型”还是写于2014年11月份，毕竟自2015年开始创业做在线教育后，太
  • Knn算法与 Svm算法对比 一个不知名的码农 支持向量机算法机器学习
    Knn算法与Svm算法对比这里首先借用一个博主所做的图表，讲的很有理有据(7条消息)[cs231n]KNN与SVM区别_Rookie’Program的博客-CSDN博客_knn和svm的区别这里我们来讲一下我对这两个算法的理解knn看起来就是比较简单的一个数学模型，就是划范围论，精细程度实际上可能没有svm好，并且测试量也不能大，数据一大，处理起来又很麻烦，预测效率也比较低。相反的svm和knn对
  • 斯坦福大学CS520知识图谱系列课程学习笔记：第一讲什么是知识图谱 ngl567
    随着知识图谱在人工智能各个领域的广泛使用，知识图谱受到越来越多AI研究人员的关注和学习，已经成为人工智能迈向认知系统的关键技术之一。之前，斯坦福大学的面向计算机视觉的CS231n和面向自然语言处理的CS224n成为了全球非常多AI研究人员的入门经典学习课程。因此，斯坦福大学于今年3月开设了一门专门面向知识图谱的系列课程CS520，官网课程页：https://web.stanford.edu/cla
  • 北京邮电大学 计算机视觉与深度学习 鲁鹏 计算机视觉概述课程手迹 qinyaoze 机器学习CV手记计算机视觉人工智能深度学习
    课程笔记计算机视觉=输入(认知神经科学-理论,运用方法&算法,硬件)+输出(机器人)课程：图像处理-CS131，图像结构-CS231a，图像理论-CS230/CS231nQ-象棋与人工智能的关系？IBM-深蓝，Google-AlphaGo>>机器赢得象棋胜利=强大的搜索算法目标：语义鸿沟，即建立图像像素核语义间的关系发展过程：系统出现-物种大繁荣>>理论研究-猫视觉神经>>积木世界>>MIT图像处
  • 国外AI大牛推荐的10大最有帮助免费在线机器学习课程 机器学习与系统
    woman_ml.jpg本文编译自twitter用户chipro斯坦福在线自学课程《概率与统计》：该课程涉及概率统计的基本概念，涵盖机器学习4个基本方面：探索性数据分析，产生数据，概率和推理。MIT的《线性代数》：这是我见过的最好的线性代数课程，由传奇教授GilbertStrang（吉尔伯特斯特朗）教授。斯坦福的CS231N：用于视觉识别的卷积神经网络：平衡理论与实践。课堂笔记写得很好，解释了不同
  • CS231n学习笔记--计算机视觉历史回顾与介绍1 听城
    CS231n简介首先我们来看看官方对这门课的介绍：计算机视觉在社会中已经逐渐普及，并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络（也就是“深度学习”）方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。本课程将深入讲解深度学习框架的细节问题，聚焦面向视觉识别任务
  • 计算机视觉实战项目（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别） 阿利同学 计算机视觉分类目标检测
    图像分类教程博客_传送门链接:链接在本教程中，您将学习如何使用迁移学习训练卷积神经网络以进行图像分类。您可以在cs231n上阅读有关迁移学习的更多信息。本文主要目的是教会你如何自己搭建分类模型，耐心看完，相信会有很大收获。废话不多说，直切主题…首先们要知道深度学习大都包含了下面几个方面：1.加载（处理）数据2.网络搭建3.损失函数（模型优化）4模型训练和保存把握好这些主要内容和流程，基本上对分类模
  • cs231n assignment2(2) 没天赋的学琴
    assignment2的第二部分的内容，实现一个卷积神经网络。这一部分主要是实现卷积神经网络中的一些所需用到的layer类型：卷积层(convolution)和池化层(这里是实现max-pooling)。这部分的实现是不考虑其运行效率，而在真正的实现应用上，卷积神经网络的运行效率是一个很重要的问题。卷积层卷积层是由一个个过滤器(filter)，每个过滤器的尺寸为:，这里的的大小与输入的图像或act
  • cs231n作业：Assignment1-Softmax Diane小山
    softmax.pydefsoftmax_loss_naive(W,X,y,reg):"""Softmaxlossfunction,naiveimplementation(withloops)InputshavedimensionD,thereareCclasses,andweoperateonminibatchesofNexamples.Inputs:-W:Anumpyarrayofshape(
  • 微信开发者验证接口开发 362217990 微信 开发者 token 验证
    微信开发者接口验证。 Token，自己随便定义，与微信填写一致就可以了。 根据微信接入指南描述 http://mp.weixin.qq.com/wiki/17/2d4265491f12608cd170a95559800f2d.html 第一步：填写服务器配置 第二步：验证服务器地址的有效性 第三步：依据接口文档实现业务逻辑 这里主要讲第二步验证服务器有效性。 建一个
  • 一个小编程题-类似约瑟夫环问题 BrokenDreams 编程
            今天群友出了一题：         一个数列,把第一个元素删除,然后把第二个元素放到数列的最后,依次操作下去,直到把数列中所有的数都删除,要求依次打印出这个过程中删除的数。      &
  • linux复习笔记之bash shell (5) 关于减号-的作用 eksliang linux关于减号“-”的含义linux关于减号“-”的用途linux关于“-”的含义linux关于减号的含义
        转载请出自出处： http://eksliang.iteye.com/blog/2105677        管道命令在bash的连续处理程序中是相当重要的，尤其在使用到前一个命令的studout（标准输出）作为这次的stdin（标准输入）时，就显得太重要了，某些命令需要用到文件名，例如上篇文档的的切割命令（split）、还有
  • Unix(3) 18289753290 unix ksh
    1)若该变量需要在其他子进程执行，则可用"$变量名称"或${变量}累加内容 什么是子进程？在我目前这个shell情况下，去打开一个新的shell，新的那个shell就是子进程。一般状态下，父进程的自定义变量是无法在子进程内使用的，但通过export将变量变成环境变量后就能够在子进程里面应用了。 2)条件判断： &&代表and  ||代表or&nbs
  • 关于ListView中性能优化中图片加载问题 酷的飞上天空 ListView
    ListView的性能优化网上很多信息，但是涉及到异步加载图片问题就会出现问题。 具体参看上篇文章http://314858770.iteye.com/admin/blogs/1217594   如果每次都重新inflate一个新的View出来肯定会造成性能损失严重，可能会出现listview滚动是很卡的情况，还会出现内存溢出。 现在想出一个方法就是每次都添加一个标识，然后设置图
  • 德国总理默多克：给国人的一堂“震撼教育”课 永夜-极光 教育
    http://bbs.voc.com.cn/topic-2443617-1-1.html德国总理默多克：给国人的一堂“震撼教育”课　 安吉拉—默克尔，一位经历过社会主义的东德人，她利用自己的博客，发表一番来华前的谈话，该说的话，都在上面说了，全世界想看想传播——去看看默克尔总理的博客吧！ 　　德国总理默克尔以她的低调、朴素、谦和、平易近人等品格给国人留下了深刻印象。她以实际行动为中国人上了一堂
  • 关于Java继承的一个小问题。。。 随便小屋 java
    今天看Java 编程思想的时候遇见一个问题，运行的结果和自己想想的完全不一样。先把代码贴出来！ //CanFight接口 interface Canfight { void fight(); } //ActionCharacter类 class ActionCharacter { public void fight() { System.out.pr
  • 23种基本的设计模式 aijuans 设计模式
    Abstract Factory：提供一个创建一系列相关或相互依赖对象的接口，而无需指定它们具体的类。 　　Adapter：将一个类的接口转换成客户希望的另外一个接口。A d a p t e r模式使得原本由于接口不兼容而不能一起工作的那些类可以一起工作。 　　Bridge：将抽象部分与它的实现部分分离，使它们都可以独立地变化。 　　Builder：将一个复杂对象的构建与它的表示分离，使得同
  • 《周鸿祎自述：我的互联网方法论》读书笔记 aoyouzi 读书笔记
    从用户的角度来看,能解决问题的产品才是好产品,能方便/快速地解决问题的产品,就是一流产品.   商业模式不是赚钱模式 一款产品免费获得海量用户后,它的边际成本趋于0,然后再通过广告或者增值服务的方式赚钱,实际上就是创造了新的价值链.   商业模式的基础是用户,木有用户,任何商业模式都是浮云.商业模式的核心是产品,本质是通过产品为用户创造价值. 商业模式还包括寻找需求
  • JavaScript动态改变样式访问技术 百合不是茶 JavaScriptstyle属性ClassName属性
      一:style属性 格式:  HTML元素.style.样式属性="值";   创建菜单:在html标签中创建 或者 在head标签中用数组创建   <html> <head> <title>style改变样式</title> </head> &l
  • jQuery的deferred对象详解 bijian1013 jquerydeferred对象
            jQuery的开发速度很快，几乎每半年一个大版本，每两个月一个小版本。         每个版本都会引入一些新功能，从jQuery 1.5.0版本开始引入的一个新功能----deferred对象。    &nb
  • 淘宝开放平台TOP Bill_chen C++c物流C#
    淘宝网开放平台首页：http://open.taobao.com/ 淘宝开放平台是淘宝TOP团队的产品，TOP即TaoBao Open Platform， 是淘宝合作伙伴开发、发布、交易其服务的平台。 支撑TOP的三条主线为：    1.开放数据和业务流程     * 以API数据形式开放商品、交易、物流等业务；  &
  • 【大型网站架构一】大型网站架构概述 bit1129 网站架构
    大型互联网特点 面对海量用户、海量数据 大型互联网架构的关键指标 高并发 高性能 高可用 高可扩展性 线性伸缩性 安全性 大型互联网技术要点   前端优化 CDN缓存 反向代理 KV缓存 消息系统 分布式存储 NoSQL数据库 搜索 监控 安全 想到的问题： 1.对于订单系统这种事务型系统，如
  • eclipse插件hibernate tools安装 白糖_ Hibernate
    eclipse helios(3.6)版 1.启动eclipse 2.选择 Help > Install New Software...> 3.添加如下地址： http://download.jboss.org/jbosstools/updates/stable/helios/ 4.选择性安装：hibernate tools在All Jboss tool
  • Jquery easyui Form表单提交注意事项 bozch jquery easyui
    jquery easyui对表单的提交进行了封装，提交的方式采用的是ajax的方式，在开发的时候应该注意的事项如下：         1、在定义form标签的时候，要将method属性设置成post或者get，特别是进行大字段的文本信息提交的时候，要将method设置成post方式提交，否则页面会抛出跨域访问等异常。所以这个要
  • Trie tree(字典树)的Java实现及其应用-统计以某字符串为前缀的单词的数量 bylijinnan java实现
    import java.util.LinkedList; public class CaseInsensitiveTrie { /** 字典树的Java实现。实现了插入、查询以及深度优先遍历。 Trie tree's java implementation.(Insert,Search,DFS) Problem Description Igna
  • html css 鼠标形状样式汇总 chenbowen00 htmlcss
    css鼠标手型cursor中hand与pointer  Example：CSS鼠标手型效果 <a href="#" style="cursor:hand">CSS鼠标手型效果</a><br/>  Example：CSS鼠标手型效果 <a href="#" style=&qu
  • [IT与投资]IT投资的几个原则 comsci it
          无论是想在电商,软件,硬件还是互联网领域投资,都需要大量资金,虽然各个国家政府在媒体上都给予大家承诺,既要让市场的流动性宽松,又要保持经济的高速增长....但是,事实上,整个市场和社会对于真正的资金投入是非常渴望的,也就是说,表面上看起来,市场很活跃,但是投入的资金并不是很充足的......    
  • oracle with语句详解 daizj oraclewithwith as
    oracle with语句详解 转 在oracle中，select 查询语句，可以使用with,就是一个子查询，oracle 会把子查询的结果放到临时表中，可以反复使用 例子:注意，这是sql语句，不是pl/sql语句， 可以直接放到jdbc执行的 ----------------------------------------------------------------
  • hbase的简单操作 deng520159 数据库hbase
    近期公司用hbase来存储日志,然后再来分析 ,把hbase开发经常要用的命令找了出来. 用ssh登陆安装hbase那台linux后 用hbase shell进行hbase命令控制台! 表的管理 1）查看有哪些表 hbase(main)> list 2）创建表   # 语法：create <table>, {NAME => <family&g
  • C语言scanf继续学习、算术运算符学习和逻辑运算符 dcj3sjt126com c
    /* 2013年3月11日20:37:32 地点：北京潘家园 功能：完成用户格式化输入多个值 目的：学习scanf函数的使用 */ # include <stdio.h> int main(void) { int i, j, k; printf("please input three number:\n"); //提示用
  • 2015越来越好 dcj3sjt126com 歌曲
    越来越好 房子大了电话小了 感觉越来越好 假期多了收入高了 工作越来越好 商品精了价格活了 心情越来越好 天更蓝了水更清了 环境越来越好 活得有奔头人会步步高 想做到你要努力去做到 幸福的笑容天天挂眉梢 越来越好 婆媳和了家庭暖了 生活越来越好 孩子高了懂事多了 学习越来越好 朋友多了心相通了 大家越来越好 道路宽了心气顺了 日子越来越好 活的有精神人就不显
  • java.sql.SQLException: Value '0000-00-00' can not be represented as java.sql.Tim feiteyizu mysql
    数据表中有记录的time字段（属性为timestamp）其值为：“0000-00-00 00:00:00” 程序使用select 语句从中取数据时出现以下异常： java.sql.SQLException:Value '0000-00-00' can not be represented as java.sql.Date   java.sql.SQLException: Valu
  • Ehcache（07）——Ehcache对并发的支持 234390216 并发ehcache锁ReadLockWriteLock
    Ehcache对并发的支持          在高并发的情况下，使用Ehcache缓存时，由于并发的读与写，我们读的数据有可能是错误的，我们写的数据也有可能意外的被覆盖。所幸的是Ehcache为我们提供了针对于缓存元素Key的Read（读）、Write（写）锁。当一个线程获取了某一Key的Read锁之后，其它线程获取针对于同
  • mysql中blob,text字段的合成索引 jackyrong mysql
      在mysql中，原来有一个叫合成索引的，可以提高blob,text字段的效率性能， 但只能用在精确查询，核心是增加一个列，然后可以用md5进行散列，用散列值查找 则速度快 比如： create table abc(id varchar(10),context blog,hash_value varchar(40)); insert into abc(1,rep
  • 逻辑运算与移位运算 latty 位运算逻辑运算
    源码：正数的补码与原码相同例+7 源码：00000111 补码 ：00000111 （用8位二进制表示一个数） 负数的补码： 符号位为1，其余位为该数绝对值的原码按位取反；然后整个数加1。   -7 源码： 10000111 ，其绝对值为00000111  取反加一：11111001 为-7补码 已知一个数的补码，求原码的操作分两种情况：
  • 利用XSD 验证XML文件 newerdragon javaxmlxsd
    XSD文件 （XML Schema 语言也称作 XML Schema 定义（XML Schema Definition，XSD）。 具体使用方法和定义请参看： http://www.w3school.com.cn/schema/index.asp java自jdk1.5以上新增了SchemaFactory类 可以实现对XSD验证的支持，使用起来也很方便。 以下代码可用在J
  • 搭建 CentOS 6 服务器(12) - Samba rensanning centos
    （1）安装 # yum -y install samba Installed: samba.i686 0:3.6.9-169.el6_5 # pdbedit -a rensn new password:123456 retype new password:123456 …… （2）Home文件夹 # mkdir /etc
  • Learn Nodejs 01 toknowme nodejs
    （1）下载nodejs https://nodejs.org/download/ 选择相应的版本进行下载     （2）安装nodejs 安装的方式比较多，请baidu下 我这边下载的是“node-v0.12.7-linux-x64.tar.gz”这个版本 （1）上传服务器 （2）解压 tar -zxvf  node-v0.12.
  • jquery控制自动刷新的代码举例 xp9802 jquery
    1、html内容部分  复制代码代码示例: <div id='log_reload'> <select name="id_s" size="1"> <option value='2'>-2s-</option> <option value='3'>-3s-</option
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他