深度学习相关（cs231n）第24页

Python | Python初学者的自我修养，找到自己的方向

对于我来说Python的应用场景主要是机器学习、深度学习相关，对于其他的场景涉猎不多。因此本文的目的并不是列举

TechFlow2019·2020-07-27 10:00

ESP8266｜ESP-01 Wi-Fi模块 - 使用 Lua 远程控制 LED

ESP8266-远程控制LED注：我研究生已经在学习机器学习、深度学习相关知识。已经不再做任何和本科有关的物联网项目了！通过使用ESP8266模块，使用Lua语言编程，实现在局域网下的远程控制。

兰十一·2020-07-21 10:05

人脸颜值打分相关文章总结

方法大致有三类，非监督方法、监督方法和深度学习相关的方法。

手口一斤·2020-07-16 09:32

TextCNN的PyTorch实现

如果你不了解CNN，请先看我的这篇文章CS231n笔记：通俗理解CNN下图的featuremap是将一句话中的各个词通过Word

数学家是我理想·2020-07-16 06:29

2017CS231n李飞飞深度视觉识别笔记（五）——卷积神经网络

第五讲卷积神经网络课时1历史在上一章中，我们讨论了神经网络的有关知识以及线性评分函数的运行实例，通过堆叠线性层来实现完整的神经网络。接下来，我们将讨论卷积神经网络，以下是1998年LeCun应用反向传播和基于梯度的学习方法来训练神经网络；1960年，Widrow和Hoff发明了Adaline和Madaline，首次尝试把线性层叠加，整合为多层感知器网络，不过此时反向传播和其他训练方法并未出现；19

献世online·2020-07-16 06:09

2017CS231n李飞飞深度视觉识别笔记（十二）——可视化和理解卷积神经网络

第十二讲可视化和理解卷积神经网络课时1特征可视化、倒置、对抗样本上一章中计算机视觉中一些内容，包括图像分割、检测以及识别；这一章中将讨论卷积神经网络的内部真正的工作原理是什么。第一层：由许多卷积核组成，每个卷积核是11*11*3，这些卷积核在输入图像上来回滑动，取图像块和卷积核权重的内积，这就是第一层的输出；可以把这个卷积核看成有3个通道的形状为11*11的图像，并且给定红色、绿色、蓝色的值，如图

献世online·2020-07-16 06:09

斯坦福CS231n（视觉识别卷积神经网络）课程学习笔记

本文对重点知识做记录，加深记忆以及备忘中文链接https://zhuanlan.zhihu.com/p/21930884?refer=intelligentunit常用的激活函数：SigmoidTanhReLU（最常使用）LeakyReLUMaxout数据的预处理一般对数据归一化处理，先进行零中心化，即对于每个特征，将所有数据减去均值。再归一化，即对于每个特征，将所有数据除以特征绝对值的最大值，使

万德1010·2020-07-16 05:36

python+numpy：基本矩阵操作

usr/bin/envpython#coding:utf-8#学习numpy中矩阵的代码笔记#2018年05月29日15:43:40#参考网站：http://cs231n.github.io/python-numpy-tutorial

月下花弄影·2020-07-16 05:50

cs231n可视化(visualization)综述笔记

文章目录1.想知道卷积网络做了什么，最直接办法就是找到什么图片能激活网络。2.观察权重3.T-SNE(降维)4.遮挡实验5.查看激活值6.反向传播6.1反向传播6.2反卷积可视化6.3Saliencymaps7.梯度增加8.能不能给定一段CNNcode，重建出原始图片？9.deepdream10.风格转移11.对抗样本到目前为止，神经网络具体是如何工作的，我们并不是很明白，一个end-to-end

打酱油QAQ·2020-07-16 05:59

【2019实习】记录我的寒假找实习之路

地平线机器人：智能驾驶算法实习生一面（笔试+面试）、二面（技术面）、三面（类似HR面）笔试主要是机器学习相关、深度学习相关、还有两道编程题。

故沉·2020-07-16 01:37

cs231n assignment1 SVM 完整代码

svmSVM就是将你当前数据集映射到一个不同维度的支持向量机算法第一步:随机生成一个W矩阵，用这个矩阵将(3072,49000)的training图像集转化成(10,49000),对应的就是十种类别第二步:计算lossfunction和W的梯度,简单而言就是对L=(1/N)∑iLi+λR(W)求导,其中Li为Li=∑j≠yimax(0,(xiW)j−(xyiW)j+Δ)，看起来十分复杂,其实就是分

椰树上的一只猫·2020-07-15 22:19

Deep Learning资源整理

,network3，从浅层神经网络到深度学习http://deeplearning.stanford.edu/wiki/index.PHP/UFLDL_Tutorial–Andrewnghttp://cs231n.github.io

du_qi·2020-07-15 22:10

CS231n assignment1笔记

KNNno_loop计算dists矩阵:参考KNN中no-loop矩阵乘法代码损失函数Numpy中ndim、shape、dtype、astype的用法Pythonnumpy函数：hstack()、vstack（）、stack（）、dstack（）、vsplit（）、concatenate（）SVMforiinrange(num_train):scores=X[i].dot(W)#第i个训练集在10

Shane-HuangCN·2020-07-15 19:27

斯坦福CS231n课程: 视觉识别中的卷积神经网络 Convolutional Neural Networks for Visual Recognition

CS231n:ConvolutionalNeuralNetworksforVisualRecognitiontruckcarcatshiphorse*ThisnetworkisrunningliveinyourbrowserCourseDescriptionComputerVisionhasbecomeubiquitousinoursociety

GarfieldEr007·2020-07-15 17:19

cs231n 2019版assignment 笔记（入门级解析，超详细）

CS231n2019版作业笔记手抄代码的方式不推荐，由于一些特殊原因导致我可以有充裕的时间来这样学习，希望能对和我一样的小白有帮助几点说明1.代码源自b站的cs231n课程视频的评论区，这里也附上原网址

LittleGreyWing·2020-07-15 13:27

墙裂推荐 | 一个机器学习、推荐系统与数据分析的个人优质原创公众号

算法channel·2020-07-15 10:01

神经网络图像输入零均值化的作用

神经网络图像输入零均值化的作用最近有和同学探讨到为什么CNN在做图像识别相关任务时，对图像需要进行零均值化，CS231N里面有进行讲述，但讲得其实不是很清楚，比较难理解，所以在这里做一下较为详细的说明。

wtrnash·2020-07-15 09:14

CS231n学习笔记——线性分类器

CS231n学习笔记——线性分类器CS231n课程使用的是CIFAR-10数据集，其中有60000张32x32的彩色图像，平均分为10个类，其中50000张为训练集，10000张为测试集。

我喜欢你就像·2020-07-15 09:55

CS231n #assignment1 新手第一次做作业的准备工作

以下是一个零基础非专业人士第一次做assignment1的准备工作（未包含Anaconda下载安装教程）CS231nConvolutionalNeuralNetworksforVisualRecognition

PDG_GMC·2020-07-15 08:10

CS231n 卷积神经网络: 架构, 卷积/池化层(上)

卷积神经网络:架构,卷积/池化层(上)卷积神经网络:架构,卷积/池化层(上)卷积神经网络(CNNs/ConvNets)1.架构概览2.CNNs中的各种层2.1卷积层(CONV)卷积神经网络(CNNs/ConvNets)卷积神经网络与普通的神经网络非常类似：它们都是由神经元组成并拥有可以训练的权值和偏差。整个网络仍然表示一个可导的评分函数：从原始的图片像素开始到各类型的得分结束。在最后的输出层它们也

tech0ne·2020-07-15 05:12

[cs231n] Assignment1-KNN

分类器计算测试图片和所有训练数据的距离，选择K个最相近的图片，通过投票预测该图片的分类交叉验证:通过交叉验证选择最佳的K加载数据集#LoadtherawCIFAR-10data.cifar10_dir='cs231n

wchstrife·2020-07-15 02:51

深层神经网络进行Gradient Check的时候注意delta的大小

前两天做CS231n作业的时候遇到了一个特别奇怪的事，我实现了一个N层卷积层，之后跟M层FC-Relu层的简单神经网络，指定N=1，M=2之后，死活过不了GradientCheck，并且永远是FC层

暗黑Zero·2020-07-15 00:09

# cs231n （一）神经网络介绍

cs231n（一）神经网络介绍标签（空格分隔）：神经网络文章目录cs231n（一）神经网络介绍同类文章0.介绍图像分类1.最近邻分类器2.K-近邻分类器（[其他分类器][10]）3.超参数调整的验证集4

BRUCE_WUANG·2020-07-14 22:32

# cs231n （三）优化问题及方法

cs231n（三）优化问题及方法标签（空格分隔）：神经网络文章目录cs231n（三）优化问题及方法0.回顾1.引言2.损失函数是什么东东？

BRUCE_WUANG·2020-07-14 22:58

# [cs231n （六）神经网络 part 2:传入数据和损失 ][1]

cs231n（六）神经网络part2:传入数据和损失标签（空格分隔）：神经网络文章目录[cs231n（六）神经网络part2:传入数据和损失][1]同类文章0.回顾1.引言2.初始化数据和模型1.数据预处理阶段

BRUCE_WUANG·2020-07-14 22:58

cs231n课程作业1——二层神经网络分类器感悟

1、反向求导2、数据预处理一般采用减均值，若特征间数据的范围差距很大，则考虑除以均方差进行归一化。一般不需要PCA降维和白化操作切记先切分数据集、验证集、测试集，之后再进行预处理3、初始化权重初始化w=np.random.randn(n)*np.sqrt(2/n)#后续再卷积神经网络中测试偏置初始化b=0多层网络间正则化程度一般取相同，可采用L2正则化和随机失活4、检查解析梯度使用少量数据点加快检

qq_40825408·2020-07-14 20:39

机器学习资料汇总

包括老师主页，b站视频（基石和技法），很全面的笔记（基石和技法）深度学习课程零基础入门深度学习NeuralNetworksandDeepLearning吴恩达深度学习专项课程斯坦福李飞飞-深度学习计算机视觉-cs231n

哀思希哀·2020-07-14 19:25

KNN SVM Softmax 在 CIFAR-10上的图像识别

数据集为基础，从对图像识别基础的预处理部分分析其背后理论，到讲述对KNNSVMSoftmax的具体实现，并通过验证集进行参数调优，最后展开结果性分析，介绍基本的图像识别应用，材料部分来自于StanfordCS231n

AdamZhu_Spark·2020-07-14 18:24

Vico_Men·2020-07-14 17:18

【2017CS231n】第七讲：训练神经网络（下）

先回顾一下第六讲：数据预处理。当我们对数据进行归一化红，分类器对权重矩阵的扰动不是特别敏感，鲁棒性更好。左边的分类器稍微变动一点就会破坏分类效果。右边的数据移到原点附近，并缩小单位方差，仍然可以进行良好的分类。当我们稍微转动分类的直线，损失函数对参数中的变动就不那么敏感，从而让优化变得容易。1.更好的优化1.1随机梯度下降法训练神经网络的核心策略是一个优化问题。写下损失函数，定义权重的值。损失函数

金刚哥葫芦娃·2020-07-14 16:01

cs231学习笔记二线性分类器、SVM、Softmax

课程地址：http://cs231n.github.io/linear-classify/线性分类器假设样本xi∈RD,i=1…N，对应类标签yi∈1…K。

poorfriend·2020-07-14 16:56

干货 | 吴恩达的课上完了？手把手教你如何科学开启你的深度学习论文阅读生涯（附链接）...

DatapiTHU·2020-07-14 10:12

CS231n课程笔记六 RNN

从多层的神经网络到RNN,我们需要利用机器学习和统计模型中最早的思想：不同模型之间参数的共享。参数共享使得应用不同的模型到不同案例中变为可能，如果我们对于每个时间索引值都有单独的参数，我们不能将训练期间看到的序列长度推广到一起，也不能在不同的序列长度上跨越不同的位置共享统计强度。这样的共享对于一条信息在序列中反复出现的情况尤其重要。一个相关的想法是在1-D时间序列上使用卷积，这种卷积的方法是时滞神

彭岩·2020-07-14 07:01

第872期机器学习日报(2017-02-06)

2017-02-06深度学习计算平台进化论：Zen(x86)，Vega(GPU)与未来@爱可可-爱生活热点论文：WasserteinGAN，改进GANs的难题@新智元详解支持向量机@机器之心synced深度学习相关的职位面试时一般会问什么

机器学习日报·2020-07-14 07:30

cs231n课程笔记：图像分类

必须先开始学cs231n了，前一段时间匆匆看了一遍视频，感觉不行，只能再来一遍记一记笔记了，哎，越学越感觉自己啥都不会啊。

spectre_hola·2020-07-14 06:24

深度学习/高性能计算解决方案架构师

在中国热招解决方案架构师，该岗位致力于协同客户经理将NVIDIA最新的深度学习/高性能计算解决方案与技术带给我们的客户,帮助客户通过实施NVIDIA技术解决方案来提升整体效率要求(满足其一):至少1年以上深度学习相关经验

Snow_B·2020-07-14 05:02

CS231n课程笔记翻译：图像分类笔记（下）

译者注：本文翻译自斯坦福CS231n课程笔记imageclassificationnotes，课程教师AndrejKarpathy授权翻译。

GarfieldEr007·2020-07-14 04:13

多分类器：KNN，SVM，Softmax，2-Layer-Affine-Net（以图像分类为例子）

多分类器：KNN，SVM，Softmax，2-Layer-Affine-Net（以图像分类为例子）记录一下CS231N计算机视觉这门课所提到的一些基础分类器，结合机器学习中学到的二元分类器算法，并以CIFAR10

CSJ_CH3COOK·2020-07-14 03:16

# cs231n （二）线性分类器

cs231n（二）线性分类器标签（空格分隔）：神经网络文章目录cs231n（二）线性分类器0.回顾1.线性分类从图像到标签分值的参数化映射理解线性分类器损失函数2.支持向量机(SVM)实际考量3.Softmax

BRUCE_WUANG·2020-07-14 02:41

CS231n——机器学习算法——线性分类（上: 线性分类器）

k-NearestNeighbor分类器存在以下不足：分类器必须记住所有训练数据并将其存储起来，以便于未来测试数据用于比较。这在存储空间上是低效的，数据集的大小很容易就以GB计。对一个测试图像进行分类需要和所有训练图像作比较，算法计算资源耗费高。引言：我们将要实现一种更强大的方法来解决图像分类问题，该方法可以自然地延伸到神经网络和卷积神经网络上。这种方法主要有两部分组成：一个是评分函数（score

堂姐在这儿。·2020-07-13 19:19

斯坦福CS231n项目实战（三）：Softmax线性分类

我的网站：红色石头的机器学习之路我的CSDN：红色石头的专栏我的知乎：红色石头我的微博：RedstoneWill的微博我的GitHub：RedstoneWill的GitHub我的微信公众号：红色石头的机器学习之路（ID：redstonewill）Softmax线性分类器的损失函数（Lossfunction)为：Li=−logesyi∑Cj=1esj=−syi+log∑j=1CesjLi=−loge

红色石头Will·2020-07-13 12:54

CS231N Lecture14: Reinforcement Learning

强化学习：Agent与Environment之间交互，Agent发起一个Action，环境会给出一个reward。目标是如何执行action才能将reward最大化。1.MarkovDecisionProcess是强化学习的数学基础，马尔可夫特性：目前的状态完全刻画世界的状态其中包含S为状态集，A是action集，R是给定(state,action)对后reward的分布，P是转移概率(例如从给定

best___me·2020-07-13 11:15

CS231n笔记|3 损失函数和最优化

转载自：https://zhuanlan.zhihu.com/p/41679108首发于CS231n深度视觉笔记CS231n笔记|3损失函数和最优化3损失函数和最优化（lossFunctionandoptimization

荷叶田田_·2020-07-13 09:57

CS231n——机器学习算法——线性分类（下：Softmax及其损失函数）

在前两篇笔记中，基于线性分类上，线性分类中继续记笔记。1.Softmax分类器SVM和Softmax分类器是最常用的两个分类器，Softmax的损失函数与SVM的损失函数不同。对于学习过二元逻辑回归分类器的读者来说，Softmax分类器就可以理解为逻辑回归分类器面对多个分类的一般化归纳。SVM将输出f(xi,W)f(x_i,W)f(xi,W)作为每个分类的评分（因为无定标，所以难以直接解释）。与S

堂姐在这儿。·2020-07-12 23:36

cs231n 学习过程问题记录

（1）数据预处理时，将数据集转化为0均值的原因：若数据均大于0，则梯度方向传播时，会均为正或者负，则导致最后权值均为正或负。但实际使用中由于BATCHsize的存在，在更新权值时，所有数据的梯度相加，可能会使权值有多重符号。Thishasimplicationsonthedynamicsduringgradientdescent,becauseifthedatacomingintoaneuroni

zuqiutxy·2020-07-12 20:08

Python之遍历文件夹图片并重命名

参考：https://blog.csdn.net/zhyh1435589631/article/details/51788350在做深度学习相关项目时，需要标注图片，筛选过后图片名字带有括号，显得比较乱

ZONG_XP·2020-07-12 20:12

CS231n Class Notes- lecture11 ConvNets in Practice

所有图都是从CS231nlecture11的课件中截取的。

蜗牛一步一步往上爬·2020-07-12 18:34

深度学习中的loss函数

注：这篇文章是基于cs231n的lecture3.数据我们的数据如Fig0所示Fig0.上边的图片是模型的输入，下边的数字是模型的输出。

jiraiyafuhui·2020-07-12 11:37

Numpy快速入门教程（一）：数组创建与数组访问

首先声明本篇博客是本人学习CS231n的学习笔记，分享给大家当作参考。Numpy是Python中用于科学计算的核心库。它提供了高性能的多维数组对象，以及相关工具。

叫我小红·2020-07-12 10:42

np.sum维度降维问题：cs231n assignment2 报错"ValueError: non-broadcastable output operand "

报错：ValueError:non-broadcastableoutputoperandwithshape(100,1)doesn'tmatchthebroadcastshape(100,100)原因：在fc_net.py、TwoLayerNet类中：self.params['b1']=np.zeros(hidden_dim)b1是一维的self.params['b1']=np.zeros((hi

weixin_37198422·2020-07-12 10:15

推荐频道

深度学习相关（cs231n）