cs231n_深度之眼第二次作业

1. 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。
2. 使用python加载一张彩色图片，观察像素值
   from PIL import Image
   import numpy as np
   import matplotlib.pyplot as plt
   img=np.array(Image.open('/path/.png')) #打开图像并转化为数字矩阵
   plt.imshow(img)
   plt.axis('off')
   plt.show()

如果是RGB图片，那么转换为array之后，就变成了一个rowscolschannels的三维矩阵,因此，我们可以使用img[i,j,k]来访问像素值。

print(img[1000,100,2])

3. L1范数，L2范数数学表达式 ?这两种度量分别适用于什么情况?

   
   
   WX20191202-145902@2x.png

4. 描述近邻算法KNN NN算法复的杂度 为什么很少使用在图像中以及它存在的问题
   Train O(1), predict O(N)
   测试时速度慢，距离函数用在比较像素上不合适

5. 了解cifar10数据集
   CIFAR-10数据集由10个类的60000个32x32彩色图像组成，每个类有6000个图像。有50000个训练图像和10000个测试图像。
   数据集分为五个训练批次和一个测试批次，每个批次有10000个图像。测试批次包含来自每个类别的恰好1000个随机选择的图像。训练批次以随机顺序包含剩余图像，但一些训练批次可能包含来自一个类别的图像比另一个更多。总体来说，五个训练集之和包含来自每个类的正好5000张图像。

6. 超参数怎么选择合适（即数据集如何划分）
   数据集划分为训练集、验证集、测试集。使用交叉验证的方法找到合适的超参数。