深度学习相关（cs231n）

CS231n作业笔记1.2: KNN的交叉验证

CS231n简介详见CS231n课程笔记1：Introduction。注：斜体字用于注明作者自己的思考，正确性未经过验证，欢迎指教。
silent56_th·2020-08-08 21:10

SVM/hinge loss function

SVM/hingelossfunctionlossfunctionCS231n课程作业一中，涉及到了SVM损失函数，经过研究，应该指的是hingeloss。
Pxmzhao·2020-08-08 21:27

【cs231n】Assignment1总结

cs231n的第一部分主要为knn，svm，softmax以及two_layer_network，作为入门，主要难点在于损失函数构建及梯度求导。
JoeYF_·2020-08-08 20:27

cs231n笔记：lecture5

ConvolutionalNeuralNetworksfullyconnectedlayer在前面的课程中，我们用到的神经网络的层都是把输入展开与权重矩阵W做矩阵乘法，这也意味着输入数据将与W中的神经元每个都直接连接，所以这也叫全连接层，但是全连接层存在一些问题，比如说我们需要将输入的32323的彩色图像拉伸成13072的长向量才能与权重W连接，但是这个拉伸过程实际上就丢失了输入图像空间位置信息。
AEPro·2020-08-08 20:48

CS231n

图像分类是视觉领域的核心问题（基础问题）之一：已有一些有标签的多类图片数据集，输入图片给出分类标签。训练模型最终的目的是得到一个泛化能力强，测试集准确率高的模型，而不是说训练时拟合效果最好，但验证集和测试集变差。实际应用中我们需要是测试的时候快速高效，训练的时候慢一点无所谓。（CNN恰好满足这一点）验证集是为了选出一个最好的算法模型，测试集是为检验模型的泛化能力。数据驱动（已经有很多有标签的图片）
Parallax_2019·2020-08-08 20:17

CS231n-Lecture5:卷积神经网络（CNN / ConvNets）

卷积神经网络（CNN）为什么要使用卷积？CNN的层输入层（INPUT）卷积层（CONV）过滤器（卷积核）——特征提取器权值共享激活层（ReLU）池化层（POOL）——降采样全连接层（FC）reference为什么要使用卷积？卷积的主要目的是为了从输入图像中提取特征。卷积可以通过从输入的一小块数据中学习到图像的特征，并且可以保留像素的空间关系。CNN的层CNN将原始图像从原始像素值逐层转换为最终的类
二叉树不是树_ZJY·2020-08-08 20:15

cs231n assignment(二) 多层神经网络以及反向传播的代码推导

目录序多层全连接神经网络搭建（1）、input->(affine_forward)->out*->(relu_forward)->out，全连接和relu激活（2）、batch-normalization批量归一化3、随机失活（DropOut）（4）、任意深度神经网络神经网络优化-针对训练过程中的梯度下降1、SGDwithmomentum2、RMSProp3、Adam序原来都是用的c++学习的传统
莫染prince·2020-08-08 20:43

斯坦福cs231n课程作业（1）——数据集下载问题

.在本地win10系统上安装anaconda2.在课程网站上下载作业压缩包和下载CIFAR-10数据集3.问题源于这里进入相应的目录准备执行以下命令，发现无法运行.sh文件cdassignment1/cs231n
ldy_vision·2020-08-08 20:10

[CS231n Assignment 2 #05 ] 深度学习框架——Pytorch

作业主页：Assignment2官方示例代码：Assignment2code作业源文件PyTorch.ipynb作业内容：这个作业有5个部分。您将在不同的抽象级别上学习PyTorch，这将帮助您更好地理解它，并为最终项目做好准备。1.Preparation:wewilluseCIFAR-10dataset.2.BarebonesPyTorch:wewillworkdirectlywiththelo
灵隐寺扫地僧·2020-08-08 20:48

[CS231n Assignment 2 #01] 全连接神经网络(Fully-connected Neural Network)

文章目录作业介绍1.Fully-ConnectedNeuralNets架构2.初始化作业环境3.实现全连接层(AffineLayer)3.1前向传播3.2反向传播4.ReLU激活函数5."Sandwich"layers6.损失层(LossLayer)7.两层神经网络（Two-layernetwork）8.优化器（Solver）8.1Solver剖析8.2实际训练9.多层神经网络（Multilaye
灵隐寺扫地僧·2020-08-08 20:16

[CS231n Assignment 2 #02 ] 批量归一化[BatchNormalization]

文章目录作业介绍1.批量归一化（BatchNormalization）1.1BN层的前向传播(forward)1.2BN层的反向传播1.3FullyConnectedNetswithBatchNormalization2.Batchnormfordeepnetworks3.Batchnormalizationandinitialization4.Batchnormalizationandbatch
灵隐寺扫地僧·2020-08-08 20:15

CS231n的第二次作业之卷积神经网络

作业二作业内容：在本作业中，你将练习编写反向传播代码，训练神经网络和卷积神经网络。卷积层卷积层是构建卷积神经网络的核心层，它产生了网络中大部分的计算量。卷积层的参数是有一些可学习的滤波器集合构成的。每个滤波器在空间上（宽度和高度）都比较小，但是深度和输入数据一致。在每个卷积层上，我们会有一整个集合的滤波器（比如12个），每个都会生成一个不同的二维激活图。将这些激活映射在深度方向上层叠起来就生成了输
qq_40178533·2020-08-08 20:00

CS231n的第二次作业之全连接神经网络

作业二作业内容：在本作业中，你将练习编写反向传播代码，训练神经网络和卷积神经网络浅层神经网络简介：我们首先关注一个例子，本例中的神经网络只包含一个隐藏层（图3.2.1）。这是一张神经网络的图片，让我们给此图的不同部分取一些名字我们有输入特征X1、X2、X3，它们被竖直地堆叠起来，这叫做神经网络的输入层。它包含了神经网络的输入；然后这里有另外一层我们称之为隐藏层（图3.2.1的四个结点）。待会儿我会
qq_40178533·2020-08-08 20:00

cs231n笔记：训练过程中的数据集和参数

训练过程中数据和其意义训练过程中的三种数据：1.（训练集）trainningset2.（验证集）validationset3（测试集）testset两类参数：1.权重(weight)和偏移(baise)2.超参数(学习率，衰退率，正则化强度等)下面是谈谈我认识到的这三类数据和两类参数之间的关系：1.训练集(trainset)训练集是最基本的数据，它的作用就是在不断迭代的过程中优化权重和偏移参数。通
飞翔的Tom猫·2020-08-08 20:48

CS231n-assignment1 K-fold 交叉验证 python 中字典的用法

num_folds=5k_choices=[1,3,5,8,10,12,15,20,50,100]X_train_folds=[]y_train_folds=[]#################################################################################TODO:                                 
Jeremy Liang·2020-08-08 19:15

CS231N的学习历程（1）

今天重新开始看CS231N（虽然之前也就看了4集）还是被大佬的英语给催眠了，英语还是不够好，每个单词单个出现还是能看得懂，但是他说完我就忘记了他之前说了什么。。。。
EggyGeDan·2020-08-08 19:12

2017CS231n李飞飞深度视觉识别笔记（十）——循环神经网络

第十讲循环神经网络课时1RNN,LSTM,GRU上一章中讨论了CNN的架构有关内容，这一节中将讨论有关RNN的内容。在之前的学习中，提到了一种称为vanilla的前馈网络，所有网络架构都有这种基础架构，会接收一些输入，输入是固定尺寸的对象，比如一幅图片或一片向量，它在通过一些隐藏层后给出单一的输出结果，比如一个分类；但是在机器学习中，有时候希望有更加灵活的机器能够处理的数据类型，所以这时候RNN就
献世online·2020-08-08 19:19

Win10下CS231n assignment1 环境配置

CS231nassignment1环境配置步骤环境:Windows1064bit刚看完cs231n2017视频的前两节课，想做作业，于是在网上找配置windows10环境的教程。
Natalie13·2020-08-08 19:26

cs231n课程作业assignment1之knn学习笔记及易错点

一.k近邻（k-NearestNeighbor）算法1.训练：分类器简单地记住全部数据2.预测：计算测试数据和所有训练数据之间的距离，利用k近邻算法找到最近的k个点，用投票机制选择k个中出现最多的label作为预测label。二.加载数据集1.CIFAR10数据集介绍CIFAR10数据集包含十个类别，60000张图片，每个类别6000张下载数据集解压后分为以上文件：batches.meta为ASC
爱吃蛋炒饭的小老鼠·2020-08-08 19:52

CS231n 课程作业 准备工作

CS231n课程作业准备工作1.准备工作2.推荐看的我的笔记和作业1.准备工作安装并使用IpythonNotebook下载CIFAR-10数据集中的CIFAR-10pythonversion，放在assignment1
Knight_Ghoul·2020-08-08 19:39

CS231n 课程作业 Assignment One（一）配置与题目分析（0807）

AssignmentOne在本作业中，您将练习根据k最近邻居或SVM/Softmax分类器来组合一个简单的图像分类管道。该任务的目标如下：了解基本的图像分类管道和数据驱动方法（训练/预测阶段）了解训练/验证/测试拆分以及将验证数据用于超参数调整。熟练使用numpy编写高效的矢量化代码实施并应用k最近邻（kNN）分类器实现并应用多类支持向量机（SVM）分类器实施并应用Softmax分类器实现并应用两
阿桥今天吃饱了吗·2020-08-08 19:17

【详解】CS231n assignment1KNN中不使用循环计算距离：从原理到程序

本文主要讲述不使用循环结构来计算两个矩阵的欧氏距离，设训练集矩阵为train，size为num_train*num_features，设验证集矩阵为validate，size为num_test，num_features。因此我们计算每一个验证集样本到训练集样本的距离，就是将训练集矩阵train的某一行拿出来与验证集矩阵validate的某一行计算欧式距离。这在两层循环中就是这么做的，相比大家都明白
月下花弄影·2020-08-08 19:01

cs231n-assignment2的笔记

重度拖延症患者准备继续完成作业2了......首先题目链接点击打开链接Q1:Fully-connectedNeuralNetwork(25points)在这一问中需要完成layers.py文件中的一些函数，首先是affine_forward，也就是前向计算，较为简单：N=x.shape[0]x_reshape=x.reshape([N,-1])x_plus_w=x_reshape.dot(w)#[
Zamirquito·2020-08-08 19:50

cs231n-LSTM_Captions

这篇文章是将cs231n中LSTM_Caption重新敲了一遍，所有的模块放在一起，以便于系统的理解整个过程。目的是读懂其中的每一行代码，即使是课程中已经帮你写好了的。
潘小榭·2020-08-08 18:07

cs231n笔记总结

cs231n的课程以及作业都完成的差不多了，后续的课程更多的涉及到卷积神经网络的各个子方向了，比如语义分割、目标检测、定位、可视化、迁移学习、模型压缩等等。
潘小榭·2020-08-08 18:36

assignment1-环境配置与代码

cs231n作业的网站（注意这个网站上不仅有三次的作业，还有对应pythonnumpy的指导和jupyternotebook的指导等等：点击打开链接在看了cs231n的课程之后，在完成assignment1
爱抠脚的coder·2020-08-08 17:06

cs231n 2018系列笔记（lecture9）

Alexnet首先是Alexnet,2012年最佳分析了CNN对于图片维度的改变，之前有提到过王小花：cs231n2018系列笔记(lecture5)zhuanlan.zhihu.com还有网络参数量的计算
爱吃海苔的大鲨鱼·2020-08-08 17:06

cs231n 2018系列笔记（lecture10）

lecture地址链接：https://pan.baidu.com/s/1ZKLepm2ow4AV3QJQwgmeFQ密码：kaoc本篇主讲的是RNN在机器视觉方面的应用。onetoone是普通的VanillaNeuralNetworksonetomany应用于ImageCaptioning，实现看图说话manytoone应用于sentimentclassification,情感分类manytom
爱吃海苔的大鲨鱼·2020-08-08 17:06

cs231n 2018系列笔记（lecture7）

所有内容slides地址链接:https://pan.baidu.com/s/12zGt_kYd5Jj8jq5EygS35A密码:hd57batchnorm及其演变1.普通batchnorm公式，请注意维度，后面会用到2.test时batchnorm公式均值和方差用train时候的不需要训练，其他不变3.全连接层和卷积层的batchnorm除了第二维其他都为14.layernormalizatio
爱吃海苔的大鲨鱼·2020-08-08 17:06

Python学习1——学前准备

得出的结论就是学习深度学习（以Python为学习语言）先要了解有关Python有关的知识语法，也就是说对这一门语言有基础的认识，然后再学习一下与深度学习相关的基本知识，算法思想这里推荐一本《动手学深度学习
柳奋进·2020-08-08 17:17

斯坦福CS231n 课程学习笔记--线性分类器（Assignment1代码实现）

最近学习了斯坦福的CS231n(winter2016)系列课程，收获很大，作为深度学习以及卷积神经网络学习的入门很是完美。
liuchongee·2020-08-08 17:07

cs231n 课程笔记 学习笔记#002

最优化原文：http://cs231n.github.io/optimization-1/参考翻译：https://zhuanlan.zhihu.com/p/21360434?
laagyzz·2020-08-08 17:08

CS231n 学习笔记（十二）

时间：2019/4/3内容：更好的优化课时16：更好的优化（加油！理论学好就能开始学习框架了）之前学过的内容有：各种激活函数权重初始化（较好的选择：Xavier、MSRA，这样学习深度网络时，每一层的激活值会有很好的分布；网络越来越深时，权重的初始化会变得至关重要，因为随着网络的变深，你会不断乘以那些权重矩阵）数据预处理（zero-centered、normalized会使得数据分布均值为0，方差
kinggerui·2020-08-08 17:37

CS231n 学习笔记（三）

时间：2019/3/25内容：线性分类课时6：线性分类线性分类器是深度学习应用程序中最基本的构建模块之一，是参数模型中最简单的例子。在KNN算法中没有设置参数，通常会保留所有种类的是训练集并在测试时使用。但现在，在一个参数化的方法中，我们将总结我们对训练数据的认识并将其运用到参数W中，测试时只需要W。注意：x是一个长向量；b是偏置项，它不与训练集数据交互，而只会给我们一些数据独立的偏好值。例如，当
kinggerui·2020-08-08 17:06

CS231n assignment1 KNN

时间：2019/3/25内容：assignment1-KNN参考网上大佬的代码。还是计算机视觉小白，有错误欢迎指正~https://blog.csdn.net/donghai_yu/article/details/79344539https://blog.csdn.net/qq_26414307/article/details/79318555KNN部分完整代码importnumpyasnpcla
kinggerui·2020-08-08 17:06

cs231n 部分代码解释

由于记性不大好，所以还是边学习边整理吧dropout（随机失活）p值更高=随机失活更弱#-*-coding:utf-8-*-**#添加这一句话，可以是pycharm打印出来中文**importnumpyasnpimportrandomimportmatplotlib.pyplotaspltp=0.1h1=np.array([[1,1.25,2.87],[2,0.36,0.24]])u1=np.ra
karol_peng·2020-08-08 16:52

CS231的一些资源

官方资源课程主页请参考http://cs231n.stanford.edu/index.html。官方笔记请参考http://cs231n.github.io/。
努力的老周·2020-08-08 16:37

CS231n_homework1_SVM笔记

SVM工作原理解释的很清楚很清楚很清楚的文章：（https://www.meiwen.com.cn/subject/btmyfftx.html）1、range([start,]stop[,step])根据开始、结束、步长这三个参数生成一个序列。#我们定义一个从1开始到30结束，步长为3的列表>>>print('range(1,30,3)表示：',range(1,30,3))>>>listC=[if
荣荣闲不住·2020-08-08 16:56

CS231n--笔记（2）课程简介

1.CourseDescription课程简介ComputerVisionhasbecomeubiquitousinoursociety,withapplicationsinsearch,imageunderstanding,apps,mapping,medicine,drones,andself-drivingcars.Coretomanyoftheseapplicationsarevisual
hhaowang·2020-08-08 16:21

CS231n 笔记汇总

CS231n笔记汇总http://cs231n.github.io/convolutional-networks/CS231n的全称是CS231n:ConvolutionalNeuralNetworksforVisualRecognition
CrazyVertigo·2020-08-08 16:34

CS231n-assignment1作业knn实现总结

knn实现部分重要的是距离的求法。作业中提到了三种求距离的方法。分别用两个循环，一个循环和无循环（用矩阵点积）。两个循环的方法：defcompute_distances_two_loops(self,X):num_test=X.shape[0]#500num_train=self.X_train.shape[0]#5000dists=np.zeros((num_test,num_train))fo
最后一码·2020-08-08 16:18

cs231n课程作业assignment1（Softmax）

前言：以斯坦福cs231n课程的python编程任务为主线，展开对该课程主要内容的理解和部分数学推导。
躺着中枪ing·2020-08-08 16:40

CS231n第二节

这堂课关于作业的规定~要求学生能熟练使用Python，能熟练使用scipy,numpy处理矩阵和向量。如果不能，可以查看下图中的网址，学习PythonNumpyTutorial.这是用来提交的网址，可以忽略。这是云端的虚拟机，可以用来编程实验图片分类：得到一幅图片，计算机给它一个标签，如下，给猫打上“猫”的标签。本节课进入正题了，主要讲分类以及线性分类器。下面是一幅3维图片，包含数量巨大的值在0~
早安啊·2020-08-08 15:51

cs231n第三节Loss Function and Optimization

之前发了这门课前两节的ppt，因为懒的原因，看完教学视频就没有及时注解。。现在开始，每次就一边看视频一边做笔记了。本节课讲的是损失函数和优化的内容。（推荐deeplearning的中文版，回头再加上这部分的学习笔记）上一讲提到了视觉识别的挑战，尤其是图像分类。现在不仅能对猫进行分类识别，对成千上万的物体也能进行识别，且利用最前沿的算法，我们的识别精度可以达到人类的精确度，在识别某些物体时精度甚至更
早安啊·2020-08-08 15:51

CS231n 学习笔记（1）——神经网络 part1 ：图像分类与数据驱动方法

*此系列为斯坦福李飞飞团队的系列公开课“cs231nconvolutionalneuralnetworkforvisualrecognition”的学习笔记。
皓月如我·2020-08-08 15:28

cs231n lecture5 CNN

CNN笔记ConvolutionLayerPoolingLayerFullyConnectedLayer(FClayer)UsefulNotesPreprocessingWeigthInitializationRegularizationLossclassificationAttributeclassificationregressionSummaryLaterTodosCNN笔记detectio
feitianlzk·2020-08-08 15:31

什么是“扩散概率”（diffuse probability）

今天在看CS231n的时候看到了一个名词“diffuseprobability”，扩散概率，Google了一下，在英文里直接定位到先验分布，用中文“扩散概率”查，有少数文献提到“扩散先验”其实“diffuseprobability
dawningblue·2020-08-08 15:49

cs231n 作业1 心路历程

cs231nAssignment1cwwnote做cs231n的作业的一个心路历程，不会重复别人写好的材料，别人写的数学分析，代码，比我高到不知道哪里去了Wearehere这也是一门经典的课程了，网上材料一堆
伟大的蚊子·2020-08-08 15:54

CS231n资料

斯坦福大学李飞飞计算机视觉课程《ConvolutionalNeuralNetworksforVisualRecognition》课程主页：CS231n:ConvolutionalNeuralNetworksforVisualRecognition
aha是Q啊·2020-08-08 14:31

2020 cs231n 作业3 笔记 StyleTransfer-PyTorch

目录StyleTransfer-PyTorcContentlossStylelossTotal-variationregularizationStyleTransferStyleTransfer-PyTorc论文地址，风格迁移是取两张图片，把一张图片的风格和另一张图片的内容合成为一张新的图片。Contentlosscontentloss用来计算原图片和生成的图片之间像素的差距，这里用的是卷积层获取
cheetah023·2020-08-08 14:20
上一页 17 18 19 20 21 22 23 24 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他