cs231n 第19页

2017CS231n李飞飞深度视觉识别笔记（二）——图像分类

第二章图像分类课时1数据驱动方法在上一章的内容，我们提到了关于图像分类的任务，这是一个计算机视觉中真正核心的任务，同时也是本课程中关注的重点。当做图像分类时，分类系统接收一些输入图像，并且系统已经清楚了一些已经确定了分类或者标签的集合，标签可能是猫、狗、汽车以及一些固定的类别标签集合等等；计算机的工作就是观察图片并且给它分配其中一些固定的分类标签。对于人来说这是非常简单的事情，但对计算机来说，却是

献世online·2020-07-05 05:34

Computer Vision：CS231n

CS231n是斯坦福大学SVL实验室（StanfordVisionandLearningLab）主导开设为期10周的计算机视觉课程，主讲为李飞飞教授，相关链接如下：课程主页CS231课程主页：http:

CodeForCoffee·2020-07-05 03:02

CS231n___Image classification

First,let’sloadtheCIFAR-10dataintomemoryas4arrays:thetrainingdata/labelsandthetestdata/labels.NearestNeighborClassifierThenearestneighborclassifierwilltakeatestimage,compareitto‘everysingleone’ofthetr

Jiajia_Li·2020-07-05 01:39

Python (4) 关于numpy中的冒号坑

我写cs231n的时候，竟然发现了……binary=np.zeros(p.shape)printbinary.shapebinary[:,y]=1printbinary结果如下：binary=np.zeros

麦兜胖胖次·2020-07-05 00:09

CS231n 官方笔记及其中文译本

开始学习CS231n这门讲授CV和DL的优秀课程。罗列一下视频和官方笔记资料以作备用。

hwl19951007·2020-07-04 18:19

Python Numpy Tutorial——CS231n

开始学习CS231n，在Notes里面看到关于Numpy等内容的预备知识，现翻译一下此教程里，个人认为比较重要的内容在开始前，此教程的地址为：PythonNumpyTutorial.有需要的同学可以直接查阅

sooner高·2020-07-04 16:26

2017 CS231n学习笔记(二)----图像分类(Image Classification)

courseId=1004697005slides：http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture2.pdfcoursenotes：

kinredon·2020-07-04 14:14

卷积核计算个数和BN层gamma系数个数关系

这里直接用cs231n课程中的一张卷积动图展示如下：可以看到，一共用了两个滤波器（卷积核），对应了两个输出通道。

梦坠凡尘·2020-07-04 12:22

【cs231n学习笔记（2017）】——— KNN

最近确定自己要搞计算机视觉方向，然后就开始看斯坦福的cs231n课程，准备写系列博客记录自己的学习过程及心得。

Nicht_Sehen·2020-07-04 07:08

cs231n课程资料Python Numpy Tutorial的Python3版本

cs231n课程资料PythonNumpyTutorial的Python3版本cs231n课程提供了一个pythonnumpytutorial的教程，非常不错。

NodYoung·2020-07-04 07:47

2017CS231n笔记_S12可视化和理解

目录S12.1可视化S12.2其他S12.1可视化CNN网络是一个黑盒子，这一节主要是为了理解CNN学到了什么，CNN中间层的作用是什么，CNN在找图片的什么。第一个卷积层Filters可视化：对一些常见网络的第一层卷积层的Filters可视化结果如下所示。可视化方法是，Filters的形状为(H,W,Depth=3,Num)，将Filters视为Num个彩色图像，图像形状为(H,W,3)。最后一

KKALL1314·2020-07-04 06:27

2017 CS231n学习笔记(一)----计算机视觉历史简述(Computer vision overview)

courseId=1004697005slides：http://cs231n.stanford.edu/slides/2017/cs231n_2017_lecture1.pdfcoursenotes：

kinredon·2020-07-04 00:37

CIFAR-10数据集说明

CIFAR-10数据集说明小白一枚~由于正在学习cs231n，第一节课就涉及到用这个数据集进行图像分类。

二十马赫·2020-07-02 17:34

写在八月末

未来学习方向深入机器学习李航的书youtube课程coursera南大python课对应学习之后做相关实战（包括kaggle）自动驾驶TensorFlow框架学习（莫凡）深度学习CS231n麻省理工自动驾驶课程视觉

冰星·2020-07-02 02:52

斯坦福大学 CS231n 视觉识别卷积神经网络- Introduction to Convolutional Neural Networks for Visual Recogntion -1

IntroductiontoConvolutionalNeuralNetworksforVisualRecogntion单词列表(视频里一些不认识的单词)hierarchically[ˌhaɪəˈrɑːrkɪkli]adv.分层次地；分等级地audacious[ɔːˈdeɪʃəs]adj.无畏的；鲁莽的hallucinate[həˈluːsɪneɪt]vt.使产生幻觉vi.出现幻觉psychede

gsy_1128·2020-07-02 01:15

CS231N-12-Visualizing & Understanding CNN

VisualisingCNNFiltersFirstIntermediateFeatureMapLastIntermediateGradientwithrespecttopixelsGradientAscentArgmaxInputNeuralStyleTransferCNN中间层究竟是什么？现在我们只知道是个黑盒。需要可视化每层的输出，这样才能更好地理解CNN。Whataretheinterme

Victor的草原·2020-07-01 14:45

【CS231n】斯坦福大学李飞飞视觉识别课程笔记（十九）：卷积神经网络笔记（下）

【CS231n】斯坦福大学李飞飞视觉识别课程笔记由官方授权的CS231n课程笔记翻译知乎专栏——智能单元，比较详细地翻译了课程笔记，我这里就是参考和总结。

我是管小亮·2020-07-01 13:34

关于CIFAR-10数据集的处理

在学习cs231n中接触到CIFAR-10数据集，对于图像类数据首次接

SSeazen·2020-07-01 13:24

卷积神经网络的几个经典结构：AlexNet/VGGNet/ResNet

结构如下：(示意图来自于cs231n的课件，有一点小问题，vgg16应该是3个conv层后接pool)ResNet论文原文https://ar

MISADS·2020-07-01 11:50

CS231n Assignment1 答案与解释

由于笔者在作斯坦福课程CS231n作业过程中遇到了很多不懂的地方，后来练习了别的代码才慢慢熟悉numpy，然后渐渐才懂作业里的用法。网络上很多关于此课程作业的答案，但真正有详细解释的非常少。

一叶之坤·2020-07-01 05:54

[CS231n-assignment2] Python从零实现的CNN在CIFAR-10上的实验报告

1.CS231n课程CS231n是斯坦福大学李飞飞团队的一门关于卷积神经网络CNN的课程，这个课程从KNN和线性分类器讲到普通的神经网络，再将到卷积神经网络的实现，以及一些实用的技术如Dropout、BatchNormalization

ppp8300885·2020-07-01 03:10

斯坦福李飞飞-深度学习与计算机视觉计算机视觉历史回顾与介绍

_pureheart·2020-06-30 19:27

斯坦福CS231n - CNN for Visual Recognition（2）-lecture3（上）线性分类器、损失函数

本节主要讲了线性分类器（svm和softmax），损失函数以及最优化（梯度下降）的问题线性分类由于之前KNN分类器的缺点，让我们很自然地去寻找有更加强大地方法去完成图像分类任务，这种方法主要有两部分组成：评分函数（scorefunction），它是原始图像数据到类别分值的映射（f(x)=Wx）。损失函数（lossfunction），它是用来量化预测分类标签的得分与真实标签之间一致性的。这种方法其实

李困困·2020-06-30 16:55

RNN的简单理解

本文的内容主要来自于斯坦福大学FeiFei-Li的CS231n课程，Lecture10，在这里做一个简单的总结，有兴趣的同学可以去看一下这个课程，讲的很好。

zhangboshen·2020-06-30 13:12

斯坦福大学公开课

CS20TensorflowforDeepLearningResearchCS224nNaturalLanguageProcessingwithDeepLearningTensorFlowexampleinGitHubCS229MachineLearningCS224dDeepLearningforNaturalLanguageProcessingCS231nConvolutionalNeural

cb_guo·2020-06-29 20:41

Batch norm代码实现

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。

witnessai1·2020-06-29 19:02

CS231n学习笔记——批量归一化（Batch Normalization）、监视训练

CS231n学习笔记——批量归一化（BatchNormalization）想要保持单位高斯激活，那么就需要做批量归一化，即在神经网络中额外加入一层，以使得中间的激活值均值为0方差为1。

我喜欢你就像·2020-06-29 18:27

CNN卷积神经网络（超详解析）

机器学习之神经网络学习及其模型入门讲解：使用numpy实现简单的神经网络（BP算法）2、卷积神经网络之层级结构cs231n课程里给出了卷积神经网络各个层级结构，如下图上图中CNN要做的事情是：给定一张图片

越前浩波·2020-06-29 11:58

斯坦福大学的 CS231n（全称：面向视觉识别的卷积神经网络）

斯坦福大学的CS231n（全称：面向视觉识别的卷积神经网络）一直是计算机视觉和深度学习领域的经典课程，每年开课都吸引很多学生。

Frist2018·2020-06-29 04:35

【转载】通俗理解卷积神经网络CNN

【转载】通俗理解卷积神经网络（cs231n与5月dl班课程笔记）1前言2012年我在北京组织过8期machinelearning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。

水水淼淼66888·2020-06-29 02:40

深度学习-卷积神经网络

卷积神经网络译者：Bossof537原文出自：斯坦福CS231n笔记1、简介卷积神经网络与之前所讨论的常规神经网络十分相似，它们都由可以对权重和偏置进行学习的神经元构成。

weixin_41090915·2020-06-29 00:04

CS231n笔记5-Neural Networks Part 2: Setting up the Data and the Loss

Meansubtraction是一般会做的，相当于把整个点云平移到原点附近Normalization仅当不同的Feature是不同的Scale时候更加必要，但是从今天白天对雷达多普勒响应的分类中看，SVM需要Normalize。PCA方法常常用来降维，np.dot(X,X.T)就是矩阵X的covariancematrix。这个矩阵一定是对称的、半正定的，因此可以对其应用奇异值分解。分解后得到了协方

TrevorTung·2020-06-29 00:06

CNN中的参数，计算量，FLOPs，Multi-Add(多添加)，输出特征图尺寸等概念详解

首先，我们看一下卷积的计算方式：卷积的计算方式：图片来自http://cs231n.github.io/convolutional-networks/卷积的计算方式上图描述了一个5*5*3的输入特征图边界采用

酉意铭·2020-06-29 00:29

基于yolo提取车和人的检测与图像裁剪

感觉，对深度学习只有一个简单的了解，现在还在读很多有关的论文，一边看cs231n的课程，在自学着入门。

废柴首席·2020-06-28 23:05

cs231n_激活函数

首先讲述的是激活函数的内容。在上一个lecture中，我们看到了任意特定层是如何生成输出的，输入数据在全连接层或者卷积层，将输入乘以权重值，之后将结果放入一个激活函数（非线性单元）。下面是一些激活函数的例子，有在之前使用过的sigmoid函数，之前提及到的ReLU函数。这里会提及更多的激活函数，并在它们之间进行权衡。先是之前见过的sigmoid函数，这个函数的表达式是。每一个元素输入到sigmoi

zone_chan·2020-06-28 21:32

CS231n——机器学习算法——线性分类（中：SVM及其损失函数）

损失函数Lossfunction在线性分类（上）笔记中，定义了从图像像素值到所属类别的评分函数（scorefunction），该函数的参数是权重矩阵W。在函数中，数据(xi,yi)(x_i,y_i)(xi,yi)是给定的，不能修改。但是我们可以调整权重矩阵这个参数，使得评分函数的结果与训练数据集中图像的真实类别一致，即评分函数在正确的分类的位置应当得到最高的评分（score）。回到上篇笔记猫图像分

堂姐在这儿。·2020-06-28 20:53

CNN中的maxpool到底是什么原理？

图片来源：cs231nmaxpooli

weixin_33904756·2020-06-28 07:50

Tensorflow-吴恩达老师课程笔记

参考：https://study.163.com/my#/smarts神经网络和深度学习改善深层神经网络：超参数调试、正则化以及优化结构化机器学习项目0、总结参考：http://cs231n.stanford.edu

风吴痕·2020-06-27 14:35

Transfer Learning 概念

看到TransferLearning,它在提及fine-tune和featureextraction两个方法时给了TransferLearning概念解析的两个链接，这里着重翻译摘录下第一个链接的内容CS231n_transfer-learning

is_fight·2020-06-27 10:23

CNN笔记：通俗理解卷积神经网络

通俗理解卷积神经网络（cs231n与5月dl班课程笔记）1前言2012年我在北京组织过8期machinelearning读书会，那时“机器学习”非常火，很多人都对其抱有巨大的热情。

v_JULY_v·2020-06-27 10:09

给研一同学们的深度学习学习规划

DeepLearningSyllabus——整理byxrj[[email protected]]DeepLearningSyllabus学习路线先修理论知识用到再看工具平台推荐课程学习CS231nAssignmen1Assignmen2Assignmen3

jdefla·2020-06-27 10:32

梯度下降优化算法概述

最近学习cs231n的课程，其中到梯度下降这一块时发现好几种方法，都不太懂。故学习下这篇博文。同时，翻译出来，供大家学习参考。

一次人间也匆忙·2020-06-27 09:20

google cloud使用总结

申请vm实例http://cs231n.github.io/gce-tutorial/根据cs231n这门课的tutorial，申请一个适合自己的vm实例。

bobobe·2020-06-27 06:14

深度学习Deep Learning（01）_CNN卷积神经网络

有关神经网络的部分可以查看这里的BP神经网络的部分：https://github.com/lawlite19/MachineLearning_Python一、CNN卷积神经网络参考文章：http://cs231n.github.io

莫失莫忘Lawlite·2020-06-27 05:02

CS231n笔记5--Weights Update 与 Dropout

WeightsUpdate与DropoutWeightsUpdate与Dropout参数更新WeightsUpdate学习率是怎么来的随机梯度下降-StochasticGradientDescentBatch与SGD的合体Mini-BatchGradientDescent再给力点Momentum来了考虑得再多一些-NesterovMomentumUpdate平衡梯度的更新策略-AdaGrad尽量保

LiemZuvon·2020-06-27 04:07

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，解释了不同的概念，例如反向传播、损

陆道峰·2020-06-27 01:11

干货合集 | 带你深入浅出理解深度学习（附资源打包下载）

你可以选择从著名的斯坦福CS221或者CS224课程开始：CS221：http://cs231n.stanford.edu/CS224：http:/

数据派THU·2020-06-26 17:09

李飞飞CS231n2017课程双语字幕版上线 !（附课程链接）

来源：AI科技评论本文长度为2400字，建议阅读4分钟本文为你介绍最近上线的李飞飞的CS231n2017课程中文版。CS231n2017双语字幕版上线！正式开课！

数据派THU·2020-06-26 17:04

CS231n-2017 第13讲生成模型

一、监督学习与非监督学习、生成模型监督学习给定数据xxx，以及数据所对应的标签yyy，学习一个从xxx到yyy的映射。应用举例：分类、回归、目标识别、语义分割、图像标注等。非监督学习分析数据的隐藏结构特征。应用举例：聚类、降维、特征提取、数据分布估计等。生成模型给定训练数据，生成满足训练数据分布规律的新数据。这一问题和非监督学习中的数据分布估计问题关联甚大。应用举例：创造图像、图像着色、超像

suredied·2020-06-26 16:48

[深度学习与计算机视觉] 斯坦福 CS231n 2017 学习笔记 -1 (Lecture 1: Introduction;课程介绍)

[深度学习与计算机视觉]斯坦福CS231n2017学习笔记-1(Lecture1:Introduction;课程介绍)PDFVIDEO课程介绍-计算机视觉概述CS231n近几年一直是计算机视觉领域和深度学习领域最为经典的课程之一

holeung·2020-06-26 14:08

推荐频道

cs231n