CS231n深度学习笔记

【李沐深度学习笔记】线性代数实现

课程地址和说明线性代数实现p2本系列文章是我学习李沐老师深度学习系列课程的学习笔记，可能会对李沐老师上课没讲到的进行补充。这节就算之前内容的复习，后面以截图形式呈现标量由只有一个元素的张量表示importtorchx=torch.tensor([3.0])y=torch.tensor([2.0])#加减法print(x+y)#乘法print(x*y)#除法print(x/y)#幂运算print(x
魔理沙偷走了BUG·2023-09-21 16:54

吴恩达深度学习笔记(91)-带你了解计算机视觉现状

计算机视觉现状（Thestateofcomputervision）深度学习已经成功地应用于计算机视觉、自然语言处理、语音识别、在线广告、物流还有其他许多问题。在计算机视觉的现状下，深度学习应用于计算机视觉应用有一些独特之处。在这个笔记中，我将和你们分享一些我对深度学习在计算机视觉方面应用的认识，希望能帮助你们更好地理解计算机视觉作品（此处指计算机视觉或者数据竞赛中的模型）以及其中的想法，以及如何自
极客Array·2023-09-20 12:45

【Pytorch深度学习笔记 10】基本的卷积操作conv1d

声明本文根据个人理解写的，如有纰漏望指正，谢谢！Conv1d的理解conv1d有两个，一个是torch.nn模块中，另一个是torch.nn.functional模块中。第一种：torch.nn.Conv1d调用格式torch.nn.Conv1d(in_channels,out_channels,kernel_size,stride=1,padding=0,dilation=1,groups=1,
坚果仙人·2023-09-20 08:21

北京邮电大学 计算机视觉与深度学习 鲁鹏 计算机视觉概述课程手迹

课程笔记计算机视觉=输入(认知神经科学-理论,运用方法&算法,硬件)+输出(机器人)课程：图像处理-CS131，图像结构-CS231a，图像理论-CS230/CS231nQ-象棋与人工智能的关系？
qinyaoze·2023-09-20 05:17

05线性代数（李沐深度学习笔记）

文章目录线性代数线性代数实现QA线性代数直观理解矩阵乘法相当于扭曲空间，向量通过一个矩阵相乘变成另外一个向量，相当于矩阵把一个空间进行了扭曲矩阵也有长度，即范数c和b是向量。F范数相当于把矩阵拉成一个向量求范数，由于F范数比较简单，所以一般会用F范数在数学上，特别是在矩阵理论中，置换矩阵是一个方形二进制矩阵，它在每行和每列中只有一个1，而在其他地方则为0。设P是一个m×n的(0,1)矩阵，如果m≤
裂缘冰释·2023-09-19 17:41

李沐深度学习笔记-06矩阵计算

06矩阵计算标量导数亚倒数如果不存在导数的话，将导数拓展到不可微的函数梯度将导数拓展到向量当y是标量，x是标量，求导为标量当y是标量，x是向量，求导为向量当y是向量，x是标量，求导为向量当y是向量，x是向量，求导为矩阵
爱的小胡·2023-09-19 17:41

07自动求导（李沐深度学习笔记）

这里求导可以参看上一节这张图，∂∂w=xT∂w∂w+wT∂x∂w=xT∂w∂w=xT\frac{\partial}{\partialw}=x^T\frac{\partialw}{\partialw}+w^T\frac{\partialx}{\partialw}=x^T\frac{\partialw}{\partialw}=x^T∂w∂=xT∂w∂w+wT∂w∂x=xT∂w∂w=xT，因为∂w∂w=
裂缘冰释·2023-09-19 17:11

李沐基于Pytorch的深度学习笔记（2）

2线性代数2.1线性代数基础这一节其实就相当于啥呢，一个简单的了解：2.1.1标量、向量、矩阵那么之后李沐老师会讲一个用Python怎么实现，这里就不多赘述了。因为网上关于矩阵的Numpy&Pytorch实现都是现成的，不用纠结太多，遇见了就会了。
Reedsway_Yuhan.C·2023-09-19 17:40

【李沐深度学习笔记】线性代数

课程地址和说明数据预处理实现p3本系列文章是我学习李沐老师深度学习系列课程的学习笔记，可能会对李沐老师上课没讲到的进行补充。线性代数标量标量（scalar），亦称“无向量”。有些物理量，只具有数值大小，而没有方向，部分有正负之分。物理学中，标量（或作纯量）指在坐标变换下保持不变的物理量。用通俗的说法，标量是只有大小，没有方向的量。（在深度学习领域也是如此）标量的运算规律加减法：c=a+bc=a+b
魔理沙偷走了BUG·2023-09-19 17:39

深度学习笔记（二十二）—— 健壮性

Deeplearninghasbeenwidelyappliedtovariouscomputervisiontaskswithexcellentperformance.PriortotherealizationoftheadversarialexamplephenomenonbyBiggioetal.,Szegedyet.al,modelperformanceoncleanexampleswas
Nino_Lau·2023-09-19 05:23

吴恩达深度学习笔记(61)-训练调参中的准确率和召回率

单一数字评估指标（Singlenumberevaluationmetric）无论你是调整超参数，或者是尝试不同的学习算法，或者在搭建机器学习系统时尝试不同手段，你会发现，如果你有一个单实数评估指标，你的进展会快得多，它可以快速告诉你，新尝试的手段比之前的手段好还是差。所以当团队开始进行机器学习项目时，我经常推荐他们为问题设置一个单实数评估指标。我们来看一个例子，你之前听过我说过，应用机器学习是一个
极客Array·2023-09-19 03:06

李沐深度学习笔记-05线性代数

1.线性代数标量由只有一个元素的张量表示importtorchx=torch.tensor([3.0])y=torch.tensor([2.0])x+y,x*y,x/y,x**y#输出(tensor([5.]),tensor([6.]),tensor([1.5000]),tensor([9.]))可以将向量视为标量值组成的列表x=torch.arange(4)x#输出tensor([0,1,2,3
爱的小胡·2023-09-17 17:21

04数据操作+数据预处理（李沐深度学习笔记）

数据操作首先，我们导入torch。请注意，虽然它被称为Pytorch,但我们应该导入torch而不是Pytorch。张量表示一个数值组成的数组，这个数组可能有多个维度。我们可以通过张量的shape属性来访间问张量的形状和张量中元素的总数通过shape可以查看张量的形状（维度），numel()（即numberofelements的缩写）可以查看张量有多少元素要改变一个张量的形状而不改变元素数量和元素
裂缘冰释·2023-09-17 17:51

李沐深度学习笔记3.3简洁实现线性回归

3.3简洁实现线性回归#生成数据集importnumpyasnpimporttorchfromtorch.utilsimportdatafromd2limporttorchasd2ltrue_w=torch.tensor([2,-3.4])true_b=4.2features,labels=d2l.synthetic_data(true_w,true_b,1000)#读取数据集defload_ar
菜鸟思如·2023-09-17 17:51

【李沐深度学习笔记】数据操作实现

课程地址数据操作实现p2数据操作首先导入PyTorch包（importtorch)，虽然叫PyTorch，但实际上要导入torch。importtorch张量张量表示的是一个数值组成的数组，这个数组可以有很多个维度。#生成0-11的顺序序列构成的一维数组张量（12那里是开区间，取不到）x=torch.arange(12)print(x)输出结果：tensor([0,1,2,3,4,5,6,7,8,
魔理沙偷走了BUG·2023-09-17 17:19

国外AI大牛推荐的10大最有帮助免费在线机器学习课程

斯坦福的CS231N：用于视觉识别的卷积神经网络：平衡理论与实践。课堂笔记写得很好，解释了不同
机器学习与系统·2023-09-17 04:04

【李沐深度学习笔记】数据预处理实现

课程地址和说明数据预处理实现p3本系列文章是我学习李沐老师深度学习系列课程的学习笔记，可能会对李沐老师上课没讲到的进行补充。数据预处理Python文件操作OS标准库Python的OS标准库是一个操作系统接口模块,提供一些方便使用操作系统相关功能的函数。这里只提及李沐老师示例代码中的各种函数的用法，至于该库的其他内容请参考网络。os.makedir方法os.makedir是python中常用的一个函
魔理沙偷走了BUG·2023-09-17 03:51

CS231n学习笔记--计算机视觉历史回顾与介绍1

CS231n简介首先我们来看看官方对这门课的介绍：计算机视觉在社会中已经逐渐普及，并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。
听城·2023-09-17 03:42

计算机视觉实战项目（图像分类+目标检测+目标跟踪+姿态识别+车道线识别+车牌识别）

您可以在cs231n上阅读有关迁移学习的更多信息。本文主要目的是教会你如何自己搭建分类模型，耐心看完，相信会有很大收获。
阿利同学·2023-09-13 00:01

吴恩达深度学习笔记(86)-1×1 卷积讲解

网络中的网络以及1×1卷积（NetworkinNetworkand1×1convolutions）在架构内容设计方面，其中一个比较有帮助的想法是使用1×1卷积。也许你会好奇，1×1的卷积能做什么呢？不就是乘以数字么？听上去挺好笑的，结果并非如此，我们来具体看看。过滤器为1×1，这里是数字2，输入一张6×6×1的图片，然后对它做卷积，起过滤器大小为1×1×1，结果相当于把这个图片乘以数字2，所以前三
极客Array·2023-09-11 07:30

【动手学深度学习笔记】--门控循环单元GRU

文章目录门控循环单元GRU1.门控隐状态1.1重置门和更新门1.2候选隐状态1.3隐状态2.从零开始实现2.1读取数据2.2初始化模型参数2.3定义模型2.4训练与预测3.简洁实现门控循环单元GRU学习视频：门控循环单元（GRU）【动手学深度学习v2】官方笔记：门控循环单元（GRU）思考一下这种梯度异常在实践中的意义：我们可能会遇到这样的情况：早期观测值对预测所有未来观测值具有非常重要的意义。考虑
小d<>·2023-09-10 06:07

cs231n assignment2(2)

assignment2的第二部分的内容，实现一个卷积神经网络。这一部分主要是实现卷积神经网络中的一些所需用到的layer类型：卷积层(convolution)和池化层(这里是实现max-pooling)。这部分的实现是不考虑其运行效率，而在真正的实现应用上，卷积神经网络的运行效率是一个很重要的问题。卷积层卷积层是由一个个过滤器(filter)，每个过滤器的尺寸为:，这里的的大小与输入的图像或act
没天赋的学琴·2023-09-09 23:15

【连载】深度学习笔记14：CNN经典论文研读之Le-Net5及其Tensorflow实现

从本次笔记开始，笔者在深度学习笔记中会不定期的对CNN发展过程中的经典论文进行研读并推送研读笔记。
linux那些事·2023-09-09 04:30

深度学习笔记

深度学习笔记1.简单的二输入单层感知机模型的实现结构如图所属：由图可知：输入信号（input）：X[x1,x2]也就是样本集合权重：[w1,w2]，用来体现对应输入的重要性在这里我们设定，这个神经元（感知机
jjjhut·2023-09-07 09:44

深度学习笔记

1.代价函数(costfunction)与误差函数(lossfunction)之间的关系：，其中J为代价函数，L为误差函数，Y为标签矢量，A为根据样本计算矢量。2.代价函数J对w和b的导数：推导过程，误差函数以交叉熵为例：根据链式传播：。由：，，有：，设：，，，推广到所有特征权重
dibowei2069·2023-09-06 08:13

cs231n作业：Assignment1-Softmax

softmax.pydefsoftmax_loss_naive(W,X,y,reg):"""Softmaxlossfunction,naiveimplementation(withloops)InputshavedimensionD,thereareCclasses,andweoperateonminibatchesofNexamples.Inputs:-W:Anumpyarrayofshape(
Diane小山·2023-09-03 13:34

SVM

32x32x3的图像可以转换一个3073x1的二维矩阵，这个二维矩阵与W[10x3072]的矩阵相乘，会得到一个[1x10]的二维矩阵，那么这个10个维度就代表着10个类别（更多的细节参考ppt：http://cs231n
有花落蝶·2023-09-02 03:58

图像分类 Image Classification

原文链接：http://cs231n.github.io/classification/Example示例例如，在下面的图像中，图像分类模型采用一张图像，并将概率分配给4个标签{cat，dog，hat，
_YDS·2023-09-01 06:50

深度学习笔记9_Softmax回归_图像分类（李沐，pytorch)

%matplotlibinlineimporttorchimporttorchvisionfromtorch.utilsimportdatafromtorchvisionimporttransformsfromd2limporttorchasd2ld2l.use_svg_display()SVG是一种无损格式–意味着它在压缩时不会丢失任何数据，可以呈现无限数量的颜色。d2l.use_svg_dis
贤良淑德列克星敦_CV2·2023-08-31 13:16

cs231n_1_IntroToConv

参考的视频来自如下链接https://www.bilibili.com/video/BV1Ed4y1b7bm/参考笔记如下https://blog.csdn.net/TeFuirnever/article/details/89059673x.1CV历史生物快速发展于5.4亿年前，那时的化石显示生物进化出了视觉，视觉使得生物多样性大爆炸。ImageNet这个项目见证了近代CV的成长，AlexNet在
樱木之·2023-08-31 02:15

深度学习笔记其一：基础知识和PYTORCH

深度学习笔记其一：基础知识和PYTORCH1.数据操作1.2入门1.2.1导入torch1.2.2张量1.3运算符1.4广播机制1.5索引和切片1.6节省内存1.7转换为其他Python对象1.8小结2
泠山·2023-08-30 18:17

卷积神经网络之一维卷积、二维卷积、三维卷积

如果你对卷积维度的计算不清楚，可以参考我之前的博客吴恩达深度学习笔记（deeplearning.ai）之卷积神经网络（CNN）（上）。
bebr·2023-08-30 05:32

cs231n assignment 2 q2 batchnormalization

文章目录嫌啰嗦直接看源码批量归一化讲解Q2batchNormalizationbatchnorm_forward题面解析代码输出batchnorm_backward题面解析代码输出batchnorm_backward_alt题面解析代码输出神经网络中添加批量归一层题面解析代码fc_net.initlayer_utilsfc_net.loss输出layernormalization题面layerno
理智点·2023-08-29 11:32

cs231nassignment2 q4 Convolutional Neural Networks

文章目录嫌啰嗦直接看源码Q4ConvolutionalNeuralNetworks卷积神经网络conv_forward_naive题面解析代码输出conv_backward_naive题面解析代码输出max_pool_forward_naive题面解析代码输出max_pool_backward_naive题面解析代码输出FastLayers遇到的问题解决办法输出ThreeLayerConvNet题
理智点·2023-08-29 11:32

cs231n assignment2 q1

文章目录嫌啰嗦看源码Q1Multi-LayerFullyConnectedNeuralNetworks多层全连接神经网络fc_net\_\_init\_\_题面解析代码loss题面解析代码输出调整一个三层神经网络使其过拟合题面解析结果调整一个五层神经网络使其过拟合结果InlineQuestion1题面答案update_rulessgd_momentum题面解析代码输出RMSProp题面解析代码输出
理智点·2023-08-29 11:31

cs231n作业 assignment 1 q1 q2 q3

文章目录前言嫌啰嗦直接看源码作业一内容Q1knn分类器compute_distance_two_loops题面解析代码输出InlineQuestion1题面解答predict_labels题面解析代码结果InlineQuestion2题面解答compute_distances_one_loop题面解答代码compute_distances_no_loops题面解析代码Cross-validatio
理智点·2023-08-29 11:01

cs231n assignment 2 q3 dropout

文章目录嫌啰嗦直接看源码Q3Dropoutdropout_forward题面解析代码输出dropout_backward题面代码输出修改fc_net题面解析代码loss函数输出嫌啰嗦直接看源码Q3Dropout这部分的理论知识，其实在课程中已经讲的比较清晰明了，因此我这里不在赘述相关的知识点，又不懂得地方多看几次课应该能看明白他主要是会在训练模型的时候随机丢弃一些神经元，但是在使用模型的时候保持不
理智点·2023-08-29 11:01

cs231n assignment1 q4

文章目录嫌啰嗦直接看源码Q4:two_layer_netaffine_forward题面解析代码输出affine_backward推导题面解析代码输出relu_forward题面解析代码输出relu_backward题面解析代码输出svm_loss题面解析代码输出softmax_loss题面解析代码输出fc_net\_\_init_\_题面解析代码loss题面解析代码Solver题面解析代码输出T
理智点·2023-08-29 11:31

cs231n assignment1 q5

HigherLevelRepresentations:ImageFeaturesExtractFeaturesTrainSVMonfeatures题面解析代码输出NeuralNetworkonimagefeatures题面解析代码输出结语前言往期文章cs231n
理智点·2023-08-29 11:31

cs231n assignment 1 2 3作业解析导航页

文章目录前言视频课程原始作业github链接讲解assignment1Q1Q2Q3Q4Q5assignment2Q1Q2batchnormalizationQ3dropoutQ4ConvolutionalneuralnetworkQ5PyTorchonCIFAR-10assignment3Q1NetworkVisualizationQ2ImageCaptioningwithVanillaRNNsQ
理智点·2023-08-29 11:29

cs231n assignment1 feature

图像特征提取方法LBP在做stanfordcs231nassignment1时，最后一个作业题用到了图像的特征提取，作业里给的是HOG和colorhistogram这里我简单的在网上找了一下，在图像处理方面一般有三种图像特征提取方法
Line290·2023-08-28 18:27

cs231n assignment1 knn

文章目录准备阶段k-NearestNeighborclassifierInlineQuestion最近开始学习CS231N课程，还是通过自己的理解，将编程中问题或者重点进行记录。
一叶知秋Autumn·2023-08-28 18:27

cs231n assignmen3 Extra Credit: Image Captioning with LSTMs

文章目录嫌墨迹直接看代码ExtraCredit:ImageCaptioningwithLSTMslstm_step_forward题面解析代码输出lstm_step_backward题面解析代码输出lstm_forward题面解析代码输出lstm_backward题面解析代码输出CaptioningRNN.loss解析代码输出最后输出结语嫌墨迹直接看代码ExtraCredit:ImageCapti
理智点·2023-08-28 18:57

cs231n assignment3 q3 Image Captioning with Transformers

文章目录先啰嗦直接看代码Q3ImageCaptioningwithTransformersMultiHeadAttention.forward题面解析代码输出PositionalEncoding题面解析代码输出transformer.forward题面解析代码输出先啰嗦直接看代码Q3ImageCaptioningwithTransformersMultiHeadAttention.forward题
理智点·2023-08-28 18:55

Dropout的rescale

前者是原始论文中的朴素版后者在AndrewNg的cs231课程中（https://cs231n.github.io/neural-networks-2/#init）有介绍。
taoqick·2023-08-27 11:38

cs231n assignment3 q4 Generative Adversarial Networks

文章目录嫌墨迹直接看代码Q4:GenerativeAdversarialNetworkssample_noise题面解析代码输出discriminator题面解析代码输出generator题面解析代码输出discriminator_loss题面解析代码输出generator_loss题面解析代码get_optimizer题面解析代码输出ls_discriminator_lossls_generat
理智点·2023-08-26 15:39

cs231n assignment3 q1Network Visualization

文章目录嫌啰嗦直接看代码Q1:NetworkVisualizationcompute_saliency_maps题面解析代码输出make_fooling_image题面解析代码输出class_visualization_update_step题面解析代码输出结语嫌啰嗦直接看代码Q1:NetworkVisualizationcompute_saliency_maps题面这部分的任务需要我们计算图像的
理智点·2023-08-26 15:38

cs231n assignment3 q5 Self-Supervised Learning for Image Classification

文章目录嫌墨迹直接看代码Q5Self-SupervisedLearningforImageClassificationcompute_train_transformCIFAR10Pair.__getitem__()题面解析代码输出simclr_loss_naive题面解析代码输出sim_positive_pairs题面解析代码输出compute_sim_matrix题面解析代码输出simclr_l
理智点·2023-08-26 15:07

CS231n学习笔记--计算机视觉历史回顾与介绍2

计算机视觉起源先驱现代计算机视觉领域的先驱是1963年Larry发表的名为方块世界的论文。里面提到我们大脑对视觉信息的处理是基于边缘和形状的，而Lary试图从图像中解析出这些边缘和形状。诞生在1966年,MIT人工智能实验室成立了，MIT里面的教授开始着手解决计算机视觉的问题。在此之后，计算机视觉成为人工智能增长最快的一个研究领域。计算机视觉历史DavidMarr图像分层他写了>一书，他给了我们非
听城·2023-08-25 01:33

和李沐大神一起动手学深度学习笔记2——Softmax 回归

Softmax回归Softmax回归是一个多类分类模型，使用Softmax操作子可以得到每个类的预测置信度(概率)，使用交叉熵来衡量预测和标号的区别。分类vs回归image.png从回归到多类分类---均方损失,如下所示。image-20210827093003754.png  举例说明一位有效编码，大意为只有其中一个位的值为1，比如我有猫、狗和猪三类，标号则是长度为3的向量，那么可以分别表示为0
a_Janm·2023-08-22 02:27
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他