tensorflow 迁移学习_中文学习资源：斯坦福大学CS231n计算机视觉课程

hi，我是为你们的xio习操碎了心的和鲸社区男运营
我们的网站：和鲸社区 Kesci.co
我们的公众号：和鲸社区（ID：heywhale-kesci）
有干货，来！

大家好，此次本鲸给大家翻译的项目是斯坦福大学的CS231n计算机视觉课程，BY李飞飞，就是头图这位，2017年版本。

课程网站如下：http://cs231n.stanford.edu/2017/

这门课程对于数学推导部分要求不高。注重实践，对计算机视觉的相关知识进行了详尽的介绍，推荐有机器学习基础的同学，作为计算机视觉的入门课程

官方的先修要求：

• 熟练使用Python，熟悉C / C ++：所有课后作业用的都是Python（并使用numpy）。
• 大学微积分，线性代数：知道求导，矩阵向量运算以及各种符号。
• 基本概率和统计学：知道概率的基础知识，高斯分布，平均值，标准偏差等。
• CS229（机器学习）的等效知识：我们将制定成本函数，采用导数和梯度下降执行优化。

选择2017版本的原因是：

1.不至于太新。github上这个版本的资料比较全，可以参照着互相抄抄。而且b站上有中文字幕版

【公开课】最新斯坦福李飞飞cs231n计算机视觉课程【附中文字幕】_哔哩哔哩 (゜-゜)つロ 干杯~-bilibili​www.bilibili.com

2.不至于太旧。github star最多的2个版本是2016版的，但并没有使用pytorch和tensorflow（好像全部是从头实现呢，牛啤）。而2017版对于比较复杂的模型都会同时使用pytorch和tensorflow 进行2个版本的实现

3.当然，2019版出现了一些新玩意儿比如TPU，这些资料的确没有囊括在内。想看这些的话麻烦大家另请高明吧。

来源：

课代表作业来自

https://github.com/wjbKimberly/cs231n_spring_2017_assignment https://github.com/Burton2000/CS231n-2017

我们的工作：

我们将该课程课后作业进行了翻译（把英文复制到百度，在把中文复制出来）的工作，并且对所有项目进行调试运行，确保无报错。

目录

和鲸站内项目【中文版本编程作业】链接如下：

斯坦福CS231n：计算机视觉课程​www.kesci.com

作业考核的知识点如下：

Assignment #1

KNN分类器

多分类SVM

Softmax

CS231n计算机视觉课程-神经网络

图像特征

Assignment #2

全连接网络

批量标准化

Dropout

卷积神经网络

手把手教你学会TensorFlow

Assignment #3

RNN

LSTM

图像梯度(PyTorch)

图像梯度(TensorFlow)

风格迁移(PyTorch)

风格迁移(TensorFlow)

生成对抗网络(PyTorch)

生成对抗网络(TensorFlow)