CS231n深度学习笔记第18页

深度学习-lecture2（图像分类）李飞飞计算机视觉

CS231n的全称是CS231n:ConvolutionalNeuralNetworksforVisual>Recognition，即面向视觉识别的卷积神经网络。今天所来了解的是图像的分类。

多思考多睡觉·2022-11-26 14:53

【cs231n】图像分类笔记

【cs231n】图像分类笔记前言首先声明，以下内容绝大部分转自知乎智能单元，他们将官方学习笔记进行了很专业的翻译，在此我会直接copy他们翻译的笔记，有些地方会用红字写自己的笔记，本文只是作为自己的学习笔记

急流勇进·2022-11-26 14:53

(Review cs231n) Training of Neural Network2

FFDNet---matlab调用并批处理formatcompact;globalsigmas;%inputnoiselevelorinputnoiselevelmapaddpath(fullfile('utilities'));folderModel='models';folderResult='results';save_folder='datasets_c';showResult=1;use

weixin_30449453·2022-11-26 14:20

CS231n课程笔记翻译：图像分类笔记

译者注：本文智能单元首发，译自斯坦福CS231n课程笔记imageclassificationnotes，由课程教师AndrejKarpathy授权进行翻译。本篇教程由杜客翻译完成。

buaadf·2022-11-26 13:36

cs231n图像分类

CS231n课程笔记翻译：图像分类笔记（上）杜客1年前译者注：本文智能单元首发，译自斯坦福CS231n课程笔记imageclassificationnotes，由课程教师AndrejKarpathy授权进行翻译

立志胡IT·2022-11-26 13:34

(十一) 深度学习笔记｜使用pytorch搭建AlexNet并训练花分类数据集

一、AlexNet前言此前有写过关于AlexNet网络结构详解，有需要可以自行查看https://blog.csdn.net/weixin_45579930/article/details/112525010这是关于AlexNet论文：AlexNet原文二、数据集的下载与划分2.1数据集下载首先，在本次搭建过程中。我们先下载需要使用到的数据集。下载完成之后可以发现，里面包含5种类型的花，每种类型有

Viviana-0·2022-11-26 11:11

神经网络与深度学习笔记（1）——实践基础

目录1创建张量1.1指定数据创建张量1.2指定形状创建1.3指定区间创建2张量的属性2.1形状的改变3张量的访问3.1访问张量3.2修改张量声明：本博文仅为个人学习笔记，不做他用。安装教程与学习参考：飞桨PaddlePaddle-源于产业实践的开源深度学习平台学习课程参考：AI算法大赛-飞桨AIStudio-人工智能学习实训社区(baidu.com)神经网络与深度学习PDF：神经网络与深度学习(n

WHJ226·2022-11-25 21:43

神经网络与深度学习笔记（2）——机器学习

目录1实现一个简单的线性回归模型1.1数据集构建1.2模型构建1.3损失函数1.4模型优化1.5模型训练1.6模型评估2多项式回归2.1数据集构建2.2模型构建2.3模型训练2.4模型评估这里，不知道为什么我的内核经常挂掉，所以在开头附上此代码：importosos.environ["KMP_DUPLICATE_LIB_OK"]="TRUE"#防止内核挂掉重启1实现一个简单的线性回归模型要通过机器

WHJ226·2022-11-25 21:43

【deeplearning.ai】吴恩达深度学习课程笔记目录

自2020.11.30开始学习DeepLearning，该学习笔记最后一次更新于2021.2.21Part1深度学习概论深度学习笔记（一）深度学习概论Part2神经网络基础深度学习笔记（二）LogisticRegression

Mr.zwX·2022-11-25 20:17

吴恩达深度学习教程——中文笔记网上资料整理

吴恩达深度学习笔记整理内容为网上博主博文整理，如有侵权，请私信联系。课程内容：Coursera：官方课程安排（英文字幕）。

Star·端木·2022-11-25 20:11

吴恩达深度学习课程笔记之卷积神经网络（1st week）

吴恩达深度学习课程第四课—卷积神经网络_哔哩哔哩_bilibili[2]02-吴恩达深度学习系列课程/04卷积神经网络/PDFs·大大鹏/Bilibili资料-码云-开源中国(gitee.com)[3]深度学习笔记

syphomn·2022-11-25 18:50

吴恩达深度学习课程笔记之卷积神经网络（2nd week）

0参考资料[1]大大鹏/Bilibili资料-Gitee.com[2]【中英字幕】吴恩达深度学习课程第四课—卷积神经网络_哔哩哔哩_bilibili[3]深度学习笔记-目录(ai-start.com)1

syphomn·2022-11-25 18:50

深度学习面试笔记

深度学习笔记CNN模型汇总MLP模型，多层感知机模型。LeNet模型，第一个经典的CNN模型，之前是DNN模型。优点是将共享卷积参数。AlexNet模型，ReLU和dropout。

FBOY__·2022-11-25 17:30

深度学习笔记之正则化、激活函数、卷积

文章目录一.正则化(Regularization)1.L1L_1L1、L2L_2L2正则化2.Dropout3.数据增强4.提前停止5.批标准化二.激活函数1.激活函数需要具备的性质2.死亡Relu问题三.卷积1.池化（pooling）2.转置卷积3.空洞卷积参考一.正则化(Regularization)正则化是一类通过限制模型复杂度，从而避免过拟合，提高泛化能力的方法。1.L1L_1L1、L2L

刘皮狠·2022-11-25 15:44

【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（微调）

微调1.微调的步骤1.在源数据集（如ImageNet数据集）上预训练一个神经网络模型，即源模型。2.创建一个新的神经网络模型，即目标模型。它复制了源模型上除了输出层外的所有模型设计及其参数。我们假设这些模型参数包含了源数据集上学习到的知识，且这些知识同样适用于目标数据集。我们还假设源模型的输出层与源数据集的标签紧密相关，因此在目标模型中不予采用。3.为目标模型添加一个输出大小为目标数据集类别个数的

Jul7_LYY·2022-11-25 15:15

【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（图像增广）

一、图像增广1.通过对训练图像做一系列随机改变，来产生相似但又不同的训练样本，从而扩大训练数据集的规模。2.随机改变训练样本可以降低模型对某些属性的依赖，从而提高模型的范化能力二、常用的图像增广方法1.翻转和裁减1.左右翻转图像通常不会改变对象的类别。这是最早和最广泛使用的图像增广方法之一。2.上下翻转图像不如左右图像翻转那样常用。但是，至少对于这个示例图像，上下翻转不会妨碍识别。3.随机裁减在我

Jul7_LYY·2022-11-25 15:14

【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（ResNet、ResNeXt）

ResNet、ResNeXt、迁移学习1、为什么要选择残差网络（ResNet）在VGG中，卷积网络达到了19层，在GoogLeNet中，网络史无前例的达到了22层。那么，网络的精度会随着网络的层数增多而增多吗？在深度学习中，网络层数增多一般会伴着下面几个问题：1.计算资源的消耗（使用GPU集群）2.模型容易过拟合（扩大数据集、Droupout、批量归一化、正则化、初始化参数调整等等方法）3.梯度消

Jul7_LYY·2022-11-25 15:03

神经网络与深度学习——神经网络基础与反向传播（CS231n）Neural Network Basics & Back Propagation

回顾之前我们得出了分数函数、损失函数、进而得到数据损失+正则项我们要得到最好的W，为此使用了梯度下降进行优化。对于梯度下降，有数值法（慢）和解析法（快），在实践中，推导解析梯度，使用数值梯度来检查但问题是：线性分类并不强线性分类每类只能学到一个图像，而且只能进行线性决策边界神经网络“神经网络”是一个非常宽泛的术语;更准确地说，它们被称为“全连接网络”，有时也被称为“多层感知器”(MLP)2层3层神

DongDu_rabbit·2022-11-25 10:45

（二）学习目标检测的第2个月

##第一周月结看完cs231n的笔记cs231nassignment2解答：https://blog.csdn.net/zhangxb35/article/details/69568456算法，框架，芯片的区别

vitalgirl·2022-11-25 10:02

深度学习笔记（一）：环境（yoloV5）配置

前言本文为笔者在学习深度学习，进行环境配置时集各家所长总结的一些经验，旨在能够较快的配置好深度学习所需的环境。一、软件安装1.1Anaconda安装直接在官网下载：Anaconda官网链接。安装包下载完毕后，进行安装，更改安装路径。到下面这一步时建议勾选上AddAnacondatomyPATHenvironmentvariable，这样可以免去手动配置环境变量。1.2pycharm安装

醉旖旎·2022-11-25 09:07

深度学习笔记个人阅读的Deep Learning方向的paper整理

帅气滴点C·2022-11-25 07:00

深度学习笔记之N维数组

数据操作数据结构-N维数组零维：就是一个数（类别）一维：就是一个向量（特征向量）二维：就是由多个向量组成的矩阵（特征矩阵）宽*高三维：就是RGB图片宽*高*通道（RGB三个通道）四维：就是RGB图片的批量处理宽*高*通道*批量大小五维：就是视频的批量处理宽*高*通道*批量大小*时间数据的创建数组的创建需要①形状（几维，大小）#生成0-11x=torch.arange(12)print(x)#ten

Summerke123·2022-11-24 23:50

深度学习笔记之数据预处理

创建一个简单的数据集importosimportpandasaspdos.makedirs(os.path.join('..','data'),exist_ok=True)data_file=os.path.join('..','data','house_tiny.csv')withopen(data_file,'w')asf:f.write('NumRooms,Alley,Price\n')#列

Summerke123·2022-11-24 23:50

2020-1-24 深度学习笔记2 - 线性代数

第二章线性代数官网线性代数是理解深度学习所必须掌握的基础数学学科之一线性代数主要是面向连续数学，而非离散数学。很多计算机科学家很少接触它。线性代数的几个数学概念标量（scalar）：一个标量就是一个单独的数，它不同于线性代数中研究的其他大部分对象（通常是多个数的数组）。我们用斜体表示标量。标量通常被赋予小写的变量名称。向量（vector）：一个向量是一列数。这些数是有序排列的。通过次序中的索引，我

没人不认识我·2022-11-24 22:14

深度学习笔记2：线性代数

线性代数标量标量由只有一个元素的张量表示。简单操作长度实例化两个标量，并执行一些熟悉的算术运算，即加法、乘法、除法和指数。importtorchx=torch.tensor([3.0])#标量y=torch.tensor([2.0])x+y,x*y,x/y,x**y#标量运算结果：(tensor([5.]),tensor([6.]),tensor([1.5000]),tensor([9.]))向量

燏羡·2022-11-24 22:42

深度学习笔记（1）线性代数

1.标量与向量（1）标量：只有一个元素的矩阵（2）向量：只有一列的矩阵，通常写为x（3）标量与矩阵标量c和矩阵B相加或标量c和矩阵B相乘时，需要将其与矩阵的每个元素相加或相乘，即或（4）向量与矩阵向量b和矩阵A相加，需要将向量b和矩阵A的每一行相加，即（5）向量点积相同维度，可看作是矩阵乘积，且满足交换律，即；或写作（6）矩阵乘积两个矩阵相乘的意义是将右边矩阵中的每一列列向量变换到左边矩阵中每一行

纳豆哥哥·2022-11-24 22:10

深度学习笔记--线性代数，概率论，数值计算

目录线性代数范数L2L1Frobenius范数特殊类型的矩阵和向量特征分解eigendecomposition奇异值分解SVD概率论概率分布条件概率（conditionalprobability）期望、方差和协方差常用概率分布贝叶斯定理(Bayes'Rule)信息论基本思想自信息香农熵KL散度交叉熵（cross-entropy）数值计算线性代数范数⼀个向量的范数告诉我们⼀个向量有多⼤。这⾥考虑的⼤

iwill323·2022-11-24 22:37

从零点五开始的深度学习笔记——VAE(Variational AutoEncoder) （三）VAE的简单实现

VAE的简单实现学习笔记链接1.预备知识1.1关于采样1.1.1蒙特卡罗模拟1.1.2重要性采样1.2VAE模型的假设1.2.1关于采样1.2.2编码器p(z∣x)p(z|x)p(z∣x)部分1.2.3隐变量q(z)q(z)q(z)部分1.2.4解码器q(x∣z)q(x|z)q(x∣z)部分1.2.5小结2.VAE的实现2.1重参数化2.2以MNIST手写数字图片为例2.2.1MNIST数据下载2

无始之始·2022-11-24 20:16

从零点五开始的深度学习笔记——VAE(Variational AutoEncoder) （二）概率角度理解VAE结构

概率角度理解VAE结构1.从联合概率分布构造的损失函数开始的一切1.1定义1.2推导过程1.3损失函数的理解2.总结1.从联合概率分布构造的损失函数开始的一切一个优秀的生成网络应该是怎么样的？这个生成网络在训练过程中，对编码器的要求应该是能够将输入xxx编码为一对一的隐变量zzz而不应该是多个xxx对应着同一个zzz。另外，在应用场景下的生成过程中，输入了一个处于训练集中隐变量中间位置的新的隐变量

无始之始·2022-11-24 20:46

深度学习笔记15_猫狗案例优化_使用预训练模型（迁移学习）

选择预训练模型将深度学习应用于小型图像数据集，一种常用且非常高效的方法是使用预训练网络。预训练网络（pretrainednetwork）是一个保存好的网络，之前已在大型数据集（通常是大规模图像分类任务）上训练好。这个方法也叫迁移学习。预训练的模型学到的特征的空间层次结构可以有效地作为视觉世界的通用模型较低层学到的结构都是一些点线等低层次的特征，这里使用的预训练的模型的数据是ImageNet数据集（

瓦力人工智能·2022-11-24 19:56

2022年Cs231n PPT笔记-训练CNN

目录权重初始化随机初始化XavierInitializationKaiming/MSRAInitialization训练误差和测试误差EarlyStoppingModelEnsembles正则化正则化的通用思想Dropout解释Inverteddropout数据增强其他方法使用建议选择超参数步骤RandomSearch和GridSearch权重初始化在神经网络的学习中，权重初始值非常重要。很多时候

iwill323·2022-11-24 18:16

【交叉熵损失函数】关于交叉熵损失函数的一些理解

（LossFunction）1.1损失项1.2正则化项2.交叉熵损失函数2.1softmax2.2交叉熵0.前言有段时间没写博客了，前段时间主要是在精读一些计算机视觉的论文（比如yolov1），以及学cs231n

SinHao22·2022-11-24 17:06

斯坦福CS231n听课笔记

课程视频链接目录Lec1计算机视觉简介历史Lec2图像分类的流程图像分类的流程图形分类中可能出现的问题图像分类的尝试KNN如何设置超参线性分类Lec3损失函数和优化损失函数正则化优化其他Lec4反向传播&神经网络反向传播Lec5卷积神经网络全连接层卷积层池化层趋势Lec6训练神经网络(1)激活函数sigmoidtanhReLuLeakyReLuPReLuELUmaxout“Neuron”使用激活函

GillianZhu·2022-11-24 15:11

这份开源的深度学习笔记，太牛了，我只能佩服的五体投地

萌眼牛牛 Lah·2022-11-24 14:01

深度学习100问-1：深度学习环境配置有哪些坑？

需要说明的是，这100问并不是入门笔记，想要入门的同学可以参考去年的深度学习60讲系列：深度学习第60讲：深度学习笔记系列

小白学视觉·2022-11-24 14:56

Goodfellow深度学习笔记--神经网络架构

目录损失函数指标选择交叉熵交叉熵代码使用最大似然的优势损失函数的具体形式用于高斯输出分布的线性单元用于Bernoulli输出分布的sigmoid单元用于Multinoulli输出分布的softmax单元MixtureGaussianDistribution总结隐藏单元架构设计更深层的好处反向传播梯度链式法则仿射层sigmoidsoftmax正则化参数范数惩罚L2参数正则化L1正则化数据集增强噪声鲁

iwill323·2022-11-24 14:21

李沐基于Pytorch的深度学习笔记（11）-Softmax的实现（含代码）

importtorchimporttorchvisionfromtorchimportnnimportnumpyasnpimporttorchvision.transformsastransformsmnist_train=torchvision.datasets.FashionMNIST(root='~/Datasets/FashionMNIST',train=True,download=Tru

chenyuhan1997·2022-11-24 13:00

cs231n学习笔记（一）

文章目录图像分类NearestNeighbor分类器k-NearestNeighbor（KNN）分类器超参数的选择KNN分类器的劣势线性分类线性评分函数线性分类器损失函数反向传播中的梯度计算简单表达式和理解梯度使用链式法则计算复合表达式模块化：Sigmoid例子反向传播实践：分段计算回传流中的模式神经网络单个神经元建模作为线性分类器的单个神经元常用激活函数神经网络结构设置数据和模型梯度检查学习之前

Eighnn·2022-11-24 12:17

收藏 | 图像分割深度学习从零开始学习路线

你可能需要对深度学习和计算机视觉的基本任务有一个较为系统的学习，这块应该转看深度学习入门等相关话题，斯坦福的李飞飞cs231n被推荐的挺多的。这块我就不多赘述了，我更多分享后面三个阶段关

小白学视觉·2022-11-24 11:14

2021李宏毅机器学习、深度学习笔记

一、机器学习基本概念简介视频地址：机器学习基本概念（上）视频地址：机器学习基本概念（下）1.训练阶段三要素：Fuction：定义带未知参数的模型Loss：定义损失函数Optimization：定义优化器二、机器学习任务攻略1.模型效果不好时的应对方法2.划分数据集的方法N-foldCrossValidation3.机器学习训练不起来的原因微分为0：陷入局部最优解或鞍点。criticalpoint的

Bruce_lj·2022-11-24 10:59

Pytorch深度学习笔记（03）--Numpy

目录一、生成Numpy数组工具1、从已有数据中创建数组2、利用random模块生成数组3、创建特定形状的多维数组4、利用arange、linspace函数生成数组二、获取元素1、指定索引标签2、random.choice函数可以从指定的样本中进行随机抽取数据三、NumPy的算术运算1、对应元素相乘2、点积运算四、数组变形1、更改数组的形状2、合并数组五、批量处理（mini-batch）1、如何把大

呆呆酱～^_^·2022-11-24 09:00

深度学习笔记（5）——playsoud声音播放

深度学习笔记（5）——playsoud声音播放文章目录深度学习笔记（5）——playsoud声音播放前言一、播放声音信号1.windows使用playsound库无法播放问题2.播放文件夹下所有wav文件代码二

江清月近人。·2022-11-24 07:12

深度学习笔记（5）——YOLOS模型解析

深度学习笔记（5）——YOLOS模型文章目录深度学习笔记（5）——YOLOS模型前言一、ViT模型二、使用步骤1.引入库2.读入数据总结前言前段时间，老师让我进行ViT改写成YOLOS,在一番折腾后，终于代码可以运行接下来就记录一下从

江清月近人。·2022-11-24 07:42

深度学习笔记（3）——kernel（内核）与filter（滤波器）

深度学习笔记（3）——kernel（内核）与filter（滤波器）文章目录深度学习笔记（3）——kernel（内核）与filter（滤波器）前言一、kernel内核概念二、filter滤波器概念三、两者关系

江清月近人。·2022-11-24 07:41

深度学习笔记（4）——维度操作（2）展平、·拼接、拆分

深度学习笔记（4）——维度操作（2）展平文章目录深度学习笔记（4）——维度操作（2）展平前言一、flatten（）二、view（）总结前言上一篇文章记录了维度操作的增加维度和维度压缩，这篇笔记介绍维度的展平一