cs231n 第20页

神经网络调参，提升准确率

------如果只是调cnn网络的参数，可以看这篇文章http://cs231n.github.io/neural-networks-2/#init------当初步搭建好网络，模型能出初步结果后，若想优化

emPoint·2020-06-26 11:03

CS231n Spring 2019 Assignment 3—NetworkVisualization-PyTorch

NetworkVisualization-PyTorch从上次RNN之后的三次作业就会有PyTorch和TensorFlow两个版本，我选择了PyTorch，因为好上手，代码简洁易懂。这次作业名字虽然叫做“网络可视化”，但是感觉更像是生成伪图片，还挺有意思的！而且这次代码量不多，只需在NetworkVisualization-PyTorch.ipynb中敲一敲就行了。引用原文来说明：在此次作业中，

赖子啊·2020-06-26 05:52

[深度学习基础] 斯坦福CS231n李飞飞计算机视觉Lecture 7笔记

内容列表Lecture7ConvolutionalNeuralNetworks卷积神经网络历史卷积神经网络具体结构卷积层池化层全连接层神经网络架构发展LeNetAlexNetZFNetVGGNetGoogleNetResNet其他网络模型网络架构对比小结Lecture7ConvolutionalNeuralNetworks本章将开始进入正经的卷积神经网络学习中，一些细节部分前面分析的很多了，这里不

gogogo！·2020-06-26 04:31

[深度学习基础] 斯坦福CS231n李飞飞计算机视觉Lecture 10笔记

内容列表Lecture10RecurrentNeuralNetworkRNNLSTM小结Lecture10RecurrentNeuralNetworkRNN本章节主要探讨循环神经网络的内容，它与卷积神经网络略有不同，RNNs的目的使用来处理序列数据。在传统的神经网络模型中，是从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多问题却无能无力。例

gogogo！·2020-06-26 04:00

[深度学习基础] 斯坦福CS231n李飞飞计算机视觉Lecture 1笔记

前言：目前做深度学习也有一段时间了，系统的知识也学了很多，但是大多数都是自己在网上所获得的零散的知识，最近看了李飞飞的斯坦福网上公开课，觉得可以好好的巩固一下基础，对每个Lecture做一下笔记，DeepLearning，DeepLove！内容列表Lecture1:Introduction视觉的由来与机器视觉的演变计算机视觉的崛起计算机视觉接下来的挑战Lecture1:Introduction众所

gogogo！·2020-06-26 04:00

Tensorflow1.x与Tensorflow2.0的区别

来源：斯坦福大学cs231nHistoricalbackgroundonTensorFlow1.xTF1.x的历史背景TensorFlow1.xisprimarilyaframeworkforworkingwithstaticcomputationalgraphs.NodesinthecomputationalgraphareTensorswhichwillholdn-dimensionalarr

带藻前·2020-06-26 03:50

CS231n的第二次作业之深度学习框架

pytorch框架PyTorch是一个用于在Tensor对象上执行动态计算图的系统，其行为类似于numpyndarray。它带有一个强大的自动微分引擎，无需手动进行反向传播。首先，我们加载CIFAR-10数据集。第一次执行可能会花费几分钟，但是之后文件应保持高速缓存。mporttorchimporttorch.nnasnnimporttorch.optimasoptimfromtorch.util

qq_40178533·2020-06-25 17:48

CS231n 斯坦福李飞飞视觉识别课程

本文是个人在学习《CS231n斯坦福李飞飞视觉识别课程》的学习笔记。

McGradyXYZ·2020-06-25 17:44

机器学习（神经网络）调节超参数的方法

“深入迭代”写在最后背景最近做李飞飞CS231N2019的作业时遇到了问题，具体是assignment1中的features.ipynb中的NeuralNetworkonimagefeatures小节，

℡无条件·2020-06-25 16:24

斯坦福CS231n 2017春季课程全公开，视频+PPT+英文字幕

全部课程视频（英文字幕）：http://t.cn/R9Dfnxn所有课程资料、PPT等：http://cs231n.stanford.edu/syllabus.html课程描述讲师和助教团队计算机视觉在我们的社会中已经无处不在

Dean0Winchester·2020-06-25 15:13

2017CS231n李飞飞深度视觉识别笔记（四）——神经网络

第四讲神经网络课时1反向传播目前，我们已经讲了怎么定义一个分类器、怎么定义一个损失函数以及它的正则化，也讨论了用梯度下降的方法找到最小化的损失函数。接下来，将讨论如何计算任意复杂函数的解析梯度，用到一个叫计算图的框架。大体上说，计算图就是用这类图来表示任意函数，其中图的节点表示要执行的每一步计算，比如下图中的例子：这个线性分类器输入x和W，输出得分向量，另外一个计算节点表示hingeloss，计算

献世online·2020-06-25 08:02

python超精简代码实现快速排序

在学习CS231n课程的时候，看到作者给的快排示例，觉得特精简，就记下来了。

1024gcg·2020-06-25 05:43

cs231n: How to Train a Neuron Network 如何训练神经网络

CS231N第六第七课时的一些笔记，如何训练神经网络是一个比较琐碎的事情，所以整理了一下，以后训练NeuronNetwork的时候可以看一下ActivationFunctionsReLu（good）ELUleakyReLunosaturatedon

皓波·2020-06-25 04:30

机器学习工程师 — Udacity 基于CNN和迁移学习创建狗品种分类器

卷积神经网络（ConvolutionalNeuralNetwork,CNN）项目：实现一个狗品种识别算法App推荐你阅读以下材料来加深对CNN和TransferLearning的理解:CS231n:ConvolutionalNeuralNetworksforVisualRecognitionUsingConvolutionalNeuralNetworkstoClassifyDogBreedsBui

阳阳yyx·2020-06-25 04:53

2017CS231n笔记8.深度学习软件

文章目录概述CPUvsGPU（硬件）DeepLearningFrameworks（软件）TensorFlowPyTorch静态计算图（TensorFlow）与动态计算图（PyTorch）优化执行序列化简洁性其他框架CaffeCaffe2总结概述在线Latex公式本节包含两个内容：CPUvsGPUDeepLearningFrameworksCaffe/Caffe2Theano/TensorFlowT

oldmao_2001·2020-06-24 18:29

Pytorch搭建神经网络基本步骤（文末附pytorch实现AlexNet）

文章参考:http://pytorch123.com/SecondSection/neural_networks/cs231nassignment2-http://cs231n.github.io/assignments2019

不跑步就等肥·2020-06-24 18:47

svm 损失函数以及其梯度推导

一般而言，score_matrix=WXW是系数矩阵，X是data_matrix，这儿是学习cs231n的笔记，为了与其代码内w，x的含义保持一致，以下统一使用XW来计算score_matrix。

normol·2020-06-24 17:52

通俗理解卷积神经网络（cs231n与5月dl班课程笔记）

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。

macyang·2020-06-24 13:13

CS231n Spring 2019 Assignment 1—KNN

赖子啊·2020-06-24 13:31

不知道哪些小伙伴需要斯坦福大学李飞飞CS231n机器视觉课程2017spring视频百度云网盘

不知道哪些小伙伴需要斯坦福大学李飞飞CS231n机器视觉课程2017spring视频，百度云网盘如果你要在线的话资源的话请戳网易云课堂如果你会科学上网的话请戳Youtube斯坦福大学言归正传如果你和我一样找这个离线视频的话

ljj3029·2020-06-24 07:50

[CS231n@Stanford] Assignment1-Q1

作业网址：http://cs231n.github.io/assignment1/k_nearest_neighbor.py：importnumpyasnpclassKNearestNeighbor:"

Zach1118·2020-06-24 05:52

cs231n课程记录

课程作业参考：https://github.com/JPLAY0/CS231nAssignment1.关于多维输入输出与kernelsize和deepth的关系。下面这篇文章解释的比较详细，可以参考。

浪子荆·2020-06-24 02:27

斯坦福CS231n-计算机视觉—笔记汇总

CS231n官方笔记授权翻译总集篇发布-智能单元-知乎专栏https://zhuanlan.zhihu.com/p/21930884CS231n课程笔记翻译：图像分类笔记（上）-智能单元-知乎专栏https

AlexJunCpp·2020-06-24 02:17

斯坦福大学-自然语言处理与深度学习（CS224n）笔记第五课反向传播与项目指导

反向传播的四种解释2、项目指导一、反向传播的解释1任务：和上一课一样，判断中心词是否是一个命名实体地点，窗口定义和最后一层的函数都是一样的结构：含有两个隐层二、反向传播的解释2：circuits例子来源于：CS231n

sansheng su·2020-06-24 01:35

【AlexeyAB DarkNet框架解析】十一，BN层代码详解(batchnorm_layer.c)

前言继续探索AlexeyAB框架的BN层，为了将这个层的原理说清楚，我就不局限于只讲解这个代码，我结合了CS231N的代码以及BatchNorm的论文将前向传播和反向传播都清晰的进行讲解，希望看完这篇你可以对

just_sort·2020-06-23 23:23

斯坦福cs231n学习笔记（10）------神经网络训练细节（训练过程，超参数优化）

神经网络训练细节系列笔记：神经网络训练细节（激活函数）神经网络训练细节（数据预处理、权重初始化）神经网络训练细节（BatchNormalization）这一篇将介绍如何在训练中调整学习速率，以及对超参数优化的问题。一、Babysittingthelearningprocess简单描述下神经网络的训练的几个步骤：Step1:数据预处理在神经网络训练细节（数据预处理、权重初始化）这篇博客中有详细的介绍

胡大炮的妖孽人生·2020-06-23 16:02

2019/6/9CS231n课程笔记（深度学习框架）

1、设置#设置用CPU还是GPU进行withtf.device('/gpu:0'):balabalabala2、一种只有我才能看懂的笔记……#define计算框架N,D,H=64,1000,100x=tf.placeholder(tf.float32,shape=(N,D))y=tf.placeholder(tf.float32,shape=(N,D))w1=tf.placeholder(tf.f

荣荣闲不住·2020-06-23 15:58

分享丨李飞飞、吴恩达、Bengio等人的顶级深度学习课程------斯坦福大学Andrew Ng教授主讲的《机器学习》公开课观后感

斯坦福CS231n2017春季课程全公开，视频+PPT+英文字幕2017年08月16日21:11:43Dean0Winchester阅读数：5217全部课程视频（英文字幕）：http://t.cn/R9Dfnxn

haoji007·2020-06-23 12:36

CS231n课程笔记四反向传播

导言动机：为了高效的设计和调试神经网络，理解反向传播的机理是很重要的。问题描述：有了函数f（x）我们对于计算f在x点的梯度很感兴趣。在神经网络中，f相应于损失函数和输入x将组成训练集和神经网络权重，比如损失将是SVM损失函数而输入既是训练数据也是权重，既是我们可以很快的使用后向传播计算出梯度，实际上我们通常也仅仅计算每一个参数的梯度，所以我们可以使用它来实现一个参数的更新，然而正如我们在课程中后面

彭岩·2020-06-23 09:51

如何开始学习Deep Learning

如果你已经对线性代数，微积分，概率和编程有了基本的了解：我建议从斯坦福的CS231n开始。这个课程讲义很全面，而且写的很好。

噌胥苑·2020-06-23 06:29

Deeplearning.ai Course-1 Week-2 Programming Assignment1

相对于斯坦福的CS231n课程，Andrew的视频课程更加简单易懂，适合深度学习的入门者系统学习！

_刘某人_·2020-06-22 20:30

CS231n 卷积神经网络与计算机视觉 6 数据预处理权重初始化规则化损失函数等常用方法总结

1数据处理首先注明我们要处理的数据是矩阵X，其shape为[NxD](N=numberofdata,D=dimensionality).1.1Meansubtraction去均值去均值是一种常用的数据处理方式.它是将各个特征值减去其均值，几何上的展现是可以将数据的中心移到坐标原点，Python中的代码是X-=np.mean(X,axis=0).对于图像处理来说，每个像素的值都需要被减去平均值(X-

bea_tree·2020-06-22 17:41

CS231n 卷积神经网络与计算机视觉 11 卷积神经网络的迁移学习和微调

本文是Stanfordcs231n的课程，目前官网正在更新，不是最终版1迁移学习实际中很少有人从头开始训练一个卷积神经网络，一般来说没有足够的可用的数据.反而一般使用大数据集已经训练过的ConvNet来作为初始模型或者直接作为固定特征的提取器

bea_tree·2020-06-22 17:41

git bug

查看连通性更换连接方式解决方案：[email protected]:geyutang/cs231n.git//能不加sudo就不加sudoLinux的每个账户都是独立存在的，因此在tang这个普通用户下建立的

谁是我的小超人·2020-06-22 13:47

CS231n-深度学习与计算机视觉-笔记-Lecture3 损失函数和优化

线性分类属于参数分类的一种，所有的训练数据中的经验知识都体现在参数矩阵W中，而W通过训练过程得到，我们拿到一张照片拉伸成一个长的向量，这里的图片假设叫做X，应该是拉伸成一个三维长向量（32，32，3），一共3个，其中高度和宽度都是32像素。3则代表颜色通道红绿蓝，还存在一个参数矩阵W，把这个代表图片像素的列向量，当作输入，然后转化成10个数字评分。线性分类可以理解为每个种类的学习模板，左下角的图对

FishSugar·2020-06-22 05:54

cs231n-python numpy tutorial

**********华丽丽的分割线**********有关斯坦福的cs231n课程，关于深度学习的课程代码全部是由python编写的，要求熟练的掌握python编程，并且对于不熟悉代码的同学给出了一个关于

壹碗·2020-06-22 05:16

深度学习经典模型

CNN参考：CS231nConvolutionalNeuralNetworksforVisualRecognition基于tensorflow的MNIST手写字识别（一）--白话卷积神经网络模型以MINST

懒懒的光·2020-06-22 05:33

cs231n学习笔记——图像分类

cs231n学习笔记——图像分类及代码实现写在前面的废话1.图像分类2.数据驱动3.图形分类流程4.L1距离（曼哈顿距离）5.L2距离（欧氏距离）6.NearestNeighbor分类器1.CIFAR-

NicolasCookie·2020-06-22 02:21

【CS231n】十三、生成模型（Generative Models）

一、概览二、生成模型定义：无监督学习的一个核心问题，给定具有特定密度分布的数据，想要生成同样密度分布的数据。分类：三、PixelRNN和PixelCNN（1）首先定义一个likelihood函数，（2）PixelRNN的方法：从角落的一个像素开始向周围的像素推理，每一个像素的likelihood由周围的决定。问题在于是串行生成，速度很慢。（3）PixelCNN的方法：通过已生成的区域像素，通过卷积

Mys_GoldenRetriever·2020-06-22 02:53

机器学习中常用的优化方法

写在前面在看斯坦福的次cs231n课程，里面提到一些机器学习的基础知识，比如损失函数，优化算法，正则化形式等等。然后有一些知识也都记不起来了，索性就在博客上再回顾一遍顺便记录下来日后方便查阅。

kaiyuan_sjtu·2020-06-21 23:05

cs231n：assignment1——Q5: Higher Level Representations: Image Features

自己写的cs231n的作业,希望给点意见,支出错误和不足.谢谢[TOC]features.ipynb内容:ImagefeaturesexerciseCompleteandhandinthiscompletedworksheet

X_Y·2020-06-21 22:52

卷积神经网络(CNN)学习资料推荐

WildML–AI,DeepLearning,NLPhttp://colah.github.io/AndrejKarpathyblog这三黄金博客，看完了就可以，而且博文里提到的链接也要看看，墙裂推荐CS231nConvolutionalNeuralNetworksforVisualRecognition

算法学习者·2020-06-21 16:44

优化深层网络--激活函数、正则化以及权重初始化

优化深层网络–第一篇目录1.激活函数（sigmoid、tanh、relu、relu变体）2.正则化（l1、l2、dropout）3.权重初始化（0、随机数、x、he）参考文献1、常用激活函数的比较2、cs231n

天作。·2020-06-21 13:47

机器学习怎么入门

斯坦福大学的CS231n教程，作业好好做一边，网上有很多资源可以参照学习的做。机器学习的相关框架的学习。比如tensor

叫我小红·2020-06-21 12:12

关于导数意义的新认知

关于导数的认识今天在学习CS231n课程时，对导数有了新的认识，可能不准确，烦请指正。

11和hebe·2020-06-21 12:35

Stars数量非常高的Github Page

1.cs231n.github.iostars:5521这个网站包含斯坦福大学CS课程的笔记和作业。

weixin_33849942·2020-06-21 10:43

斯坦福CS231n 2017最新课程：李飞飞详解深度学习的框架实现与对比

starzhou·2020-06-21 07:37

2019年最佳计算机视觉课程推荐

本文转载自机器之心，禁二次转载选自analyticsinsight作者：KamalikaSome机器之心编译机器之心编辑部除了CS231n，你还可以看哪些？

简说Python·2020-06-21 05:07

【2017CS231n】第十三讲：生成模型（PixelRNN/PixelCNN，变分自编码器，生成对抗网络）

一.有监督学习与无监督学习有监督学习我们都很熟悉了，我们有数据x和标签y，我们在有监督学习中学习到一个函数可以将数据x映射到标签y，标签可以有很多形式。典型的有监督学习有：分类问题中输入一张图片，输出图片的分类；目标检测中输入一张图片，输出目标物体的边框；语义分割中，给每个像素都打上标签。下面说一下无监督学习。1.1无监督学习无监督学习在我们只有一些没有标签的训练数据的情况下，学习数据中隐含的结构

金刚哥葫芦娃·2020-06-21 04:59

CNN网络介绍与实践-王者荣耀英雄图片识别

本文主要是对CS231n课程学习笔记的提炼，添加了一些DeepLearningBook和Tensorflow实战，以及Caffe框架的知识。

小时光茶社·2020-06-20 22:19

推荐频道

cs231n