CS231n

Pycharm配置Jupyter Notebook——问题小结

然而，在使用过程中也有一些问题，记录如下:问题1：Jupyter远程调试出现ModuleNotFoundError:Nomodulenamed'cs231n.data_utils’问题排查：–首先这个cs231n
lollows·2020-08-13 15:55

22课时、19大主题，CS 231n进阶版课程视频上线！

来源｜机器之心讲CS231n的JustinJohnson在密歇根大学推出了一套计算机视觉的进阶课程。计算机视觉在日常生活中已经无处不在。
计算机视觉联盟·2020-08-12 22:30

22课时、19大主题，CS 231n进阶版课程视频上线！

来源｜机器之心讲CS231n的JustinJohnson在密歇根大学推出了一套计算机视觉的进阶课程。计算机视觉在日常生活中已经无处不在。
计算机视觉联盟·2020-08-12 14:00

22课时、19大主题，CS 231n进阶版课程视频上线

可打印版本附pdf下载链接讲CS231n的JustinJohnson在密歇根大学推出了一套计算机视觉的进阶课程。计算机视觉在日常生活中已经无处不在。
SophiaCV·2020-08-11 18:00

学习日记2

看书计划：每月一本c++算法方向的书，一本pythonML方向的书O(∩_∩)O~~2019-07月★★★★★《cs231n》~（）★★★★★《算法竞赛进阶指南》~（）★★★☆☆《算法之美》~（）★★★
weixin_30505485·2020-08-10 22:21

lifeifei翻译目录

CS231n官方笔记授权翻译总集篇发布杜客1年前哈哈哈！我们也是不谦虚，几个“业余水平”的网友，怎么就“零星”地把这件事给搞完了呢！总之就是非常开心，废话不多说，进入正题吧！
看不见我呀·2020-08-10 16:12

DL学习笔记-反向传播算法的理解

译者注：本文智能单元首发，译自斯坦福CS231n课程笔记BackpropNote，课程教师AndrejKarpathy授权翻译。本篇教程由杜客翻译完成，堃堃和巩子嘉进行校对修改。
weixin_34149796·2020-08-10 11:32

解决UnicodeDecodeError: 'ascii' codec can't decode byte 0x8b in position 6: ordinal not in range(128)

UnicodeDecodeErrorTraceback(mostrecentcalllast)in()1#LoadtherawCIFAR-10data.2cifar10_dir='cs231n/datasets
叫我小红·2020-08-10 07:33

斯坦福大学深度学习公开课cs231n学习笔记（5）神经网络结构与激活函数

在线性分类器中，使用公式：对图像进行分类，神经网络则使用另外一种公式：,这里只是两层的网络结构，参数W1和W2在反向传播过程中，通过链式法则得到。神经网络与大脑神经结构上图1中，左边是人脑的神经元结构，右边是神经网络数学模型。其中，生物神经元：从树突（dendrites）获取输入信号，然后沿着它唯一的轴突（axon）产生输出信号；轴突在其末端逐渐分枝，通过突触（synapses）和其他神经元的树突
Naruto_Q·2020-08-09 22:30

斯坦福大学深度学习公开课cs231n学习笔记（8）神经网络学习过程中的检查事项和参数调优

在这节课中，主要讲述了神经网络的检查事项（例如梯度检查，合理性检查和学习过程中对损失函数、权重、每层的激活函数与梯度分布等的检查等）和神经网络的参数调优实现方法（例如：随机梯度下降方法，动量方法，学习率退火方法等等）-----------第一部分：检查事项----------梯度检查：课中提出当使用有限差值来近似计算数值梯度的时候，下面的公式方法是不可行的：（1）而在实际中常使用下面的中心化梯度计
Naruto_Q·2020-08-09 17:49

cs231n 课程作业 Assignment 3

我的作业代码见：cs231n/assignment3.ImageCaption这次的作业内容
张小彬的代码人生·2020-08-09 04:45

CS231n公开课系列1_视频+课件+作业下载+GitHub批量下载工具

主要内容：PPTdownloadnotesdownloadassignmentdownloadGitHub批量下载工具CS231n是斯坦福大学教授针对使用深度学习处理图像(计算机视觉处理)的一门公开课，
zhanghui_888·2020-08-09 04:36

CS231N 之 作业环境搭建

CS231N环境搭建WIN10环境LINUX环境1在本地win10上完成CS231n1.1配置过程在本地win10系统上安装anaconda-进入Anaconda的官网进行下载或学习。
戈 扬·2020-08-09 03:48

CS231n作业（二）SVM分类

一、作业说明CS231n的第二次作业，要求写一个基于svm的多分类程序，实现cifar10的多分类功能，程序中应当体现损失函数计算、梯度计算、交叉验证选择参数、权重可视化等功能。
wjp_ctt·2020-08-09 02:52

CS231N(1)-- 简介

CS231N是一门讲解卷积神经网络及其相关知识的经典课程，从今天开始将进行卷积神经网路的重温以及系统化地学习。首先是简介部分的相关内容，主要讲解的是机器视觉的相关历史以及课程的相关情况。
williamyi96·2020-08-09 02:41

python中stack,hstack,vstack,dstack和concatenate的区别

做cs231n有用这个函数，于是了解一下stack和concatenate的简单区别，记录一下自己的理解。
zaneild·2020-08-09 02:27

斯坦福CS231n计算机视觉-神经网络的随机失活

具体操作：对于一个三层网络来说，就是每次每层计算输出，以一定概率乘以一个掩码0，一般为50%，从而让一半的输出无效化，对于被选中的节点，就相当于失活了。那么为什么要随机失活？解释一：避免过拟合一个猫的特征是多种的，但有时候某些特征过于明显导致其他特征不明显，从而抑制了其他特征的在网络中的表述，这就是对明显特征的过拟合，所以失活可以使你的表征对于图片的表示是冗余的，由于每一个特征都有可能失活，所以分
星之所望·2020-08-09 01:03

计算机视觉学习——李飞飞斯坦福大学计算机视觉公开课 Assignment 1 Q1代码整理

Assignment1作业详情页面：http://cs231n.github.io/assignments2017/assignment1/使用juputernotebook分别依次运行一下的每一个文件的所有
mprogress·2020-08-09 01:36

cs231n knn——cifar数据集介绍

CIFAR-10数据集CIFAR-10数据集是由10个类的60000个32×32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5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10个类别，每个类别恰好1000个随机选择的图像。注意一个训练批中的各类图像并不一定数量相同，总的来看训练批，每一类都有5000张图。下面这幅图列举了10个
weixin_41269731·2020-08-09 01:03

CS231n《深度学习与计算机视觉》-- 作业下载及CIFAR-10数据集下载

1下载作业http://cs231n.github.io/2018年作业被分成了两部分：assignment1：Imageclassification、KNN、SVM、Softmax、NeuralNetworkassignment2
寻梦梦飞扬·2020-08-09 01:57

cs231n作业中的一些问题

cs231n作业中的一些问题常见函数1.np.flatnonzero()2.matplotlib.pyplot.subplot(a,b,c)3.mask4.np.shapereshape常见函数1.np.flatnonzero
Sunny_Island·2020-08-09 01:01

cs231n第二课SVM课后作业--关于HingeLoss梯度下降的一点解答

在学习cs231n，在做到SVM这一课作业时，被梯度的代码难住了，再次翻看网上的课程笔记，细致推导才逐渐清晰。理解能力有限，这里做个简单的记录，防止以后忘记也便于温习。
剑启郁兰·2020-08-09 01:23

『cs231n』作业2选讲_通过代码理解Dropout

Dropoutdefdropout_forward(x,dropout_param):p,mode=dropout_param['p'],dropout_param['mode']if'seed'indropout_param:np.random.seed(dropout_param['seed'])mask=Noneout=Noneifmode=='train':#训练环节开启mask=(np.
weixin_33924770·2020-08-09 00:35

笔记：CS231n+assignment2（作业二）（三）

终于来到了最终的大BOSS，卷积神经网络~这里我想还是主要关注代码的实现，具体的CNN的知识点想以后在好好写一写，CNN的代码关键就是要加上卷积层和池话层.一、卷积层卷积层的前向传播还是比较容易的，我们主要关注的是反向传播，看下图就知道了：defconv_forward_naive(x,w,b,conv_param):stride,pad=conv_param['stride'],conv_par
weixin_30839881·2020-08-08 23:27

CS231n——图像分类（KNN实现）

图像分类  目标：已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。  图像分类流程输入：输入是包含N个图像的集合，每个图像的标签是K种分类标签中的一种。这个集合称为训练集。学习：这一步的任务是使用训练集来学习每个类到底长什么样。一般该步骤叫做训练分类器或者学习一个模型。评价：让分类器来预测它未曾见过的图像的分类标签，把分类器预测的标签和
weixin_30432007·2020-08-08 23:55

cs231n_2018_lecture12_notes_无监督学习和生成模型

一、无监督学习先介绍熟悉的有监督学习supervisedlearning——已知：数据和标签；目标：学习得到一个函数使得能够将数据映射到标签。有监督学习的例子：分类classification、回归regression、目标检测objectdetection、语义分割semanticsegmentation、图像字幕imagecaptioning等等。介绍这章的主题无监督学习unsupervise
is_fight·2020-08-08 23:37

cs231n Lecture 5

说明除特殊说明，本文以及这个系列文章中的所有插图都来自斯坦福cs231n课程。
一次人间也匆忙·2020-08-08 22:03

斯坦福深度学习课程cs231n assignment2作业笔记六：Convolutional Networks

话不多说，直接上代码：Convolution:Naiveforwardpassdefconv_forward_naive(x,w,b,conv_param):"""Anaiveimplementationoftheforwardpassforaconvolutionallayer.TheinputconsistsofNdatapoints,eachwithCchannels,heightHandw
持久决心·2020-08-08 22:42

cs231n-神经网络简介及理解

神经网络神经网络简单介绍神经元激活函数SigmoidTanhReLuLeakyReLUMaxout神经网络结构隐含层的理解总结简单介绍神经网络是一种运算模型，由大量的节点（或称神经元）之间相互联接构成。每个节点代表一种特定的输出函数，称为激励函数（activationfunction）。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重，这相当于人工神经网络的记忆。网络的输出则依网
zhixuhao·2020-08-08 22:51

CS231n+assignment1（作业一）

一、第一个是KNN的代码，这里的trick是计算距离的三种方法，核心的话还是python和machinelearning中非常实用的向量化操作，可以大大的提高计算速度。importnumpyasnpclassKNearestNeighbor(object):#首先是定义一个处理KNN的类"""akNNclassifierwithL2distance"""def__init__(self):pass
Qiang__zi·2020-08-08 22:37

斯坦福深度学习课程CS231N 2017

官网：http://cs231n.stanford.edu/index.html教学视频：https://study.163.com/course/courseMain.htm?
hello_world_2020·2020-08-08 22:14

CS231n-assignment1(作业1)-knn

Assignment1介绍页面：http://cs231n.github.io/assignments2017/assignment1/[TOC]建议开始做作业前熟悉python的基本语法，以及jupyternotebook
tuzixini·2020-08-08 22:09

CS231n-2017 第1讲 课程简介

一.一些前导和同步课程CS131：ComputerVision:FoundationsandApplicationsCS231a：ComputerVision,from3DReconstructiontoRecognitionCS224n:NaturalLanguageProcessingwithDeepLearningCS230:DeepLearning，AndrewNg二.计算机视觉的发展历程
suredied·2020-08-08 21:11

CS231n-2017 Assignment3 RNN、LSTM、风格迁移

一、RNN所需完成的步骤记录在RNN_Captioning.ipynb文件中。本例中所用的数据为Microsoft于2014年发布的COCO数据集。该数据集中和图像标注想拐的图片包含80000张训练图片和40000张验证图片。而这些图片的特征已通过VGG-16网络获得，存储在train2014_vgg16_fc7.h5和val2014_vgg16_fc7.h5文件中，每张图片由一个4096维的向量
suredied·2020-08-08 21:11

cs231n-Lecture5

CS231N–神经网络训练一、作业讲解Assignment2：CNN训练作业，预训练与细调，CNN先在ImageNet进行大量数据训练，在在小批量数据中进行训练。
sun1398·2020-08-08 21:18

cs231n学习记录-1环境配置

type=content&q=cs231n%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE本人环境：win10+64位+10600、以assignment1为例说明，首先下载作业代码
pink me·2020-08-08 21:59

CS231n作业笔记2.2：多层神经网络的实现

CS231n简介详见CS231n课程笔记1：Introduction。本文都是作者自己的思考，正确性未经过验证，欢迎指教。
silent56_th·2020-08-08 21:10

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
上一页 10 11 12 13 14 15 16 17 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他