斯坦福cs231n课程资源笔记汇总

本文为2024年cs231n作业二的参考答案，包含详细的公式推导。

本篇内容是组织的系列教程入口，本教程依托于斯坦福Stanford出品的【】方向专业课程，根据课程视频内容与课程笔记，结合补充资料，针对深度学习与计算机视觉方向的主题做了全面梳理与制作，希望给大家提供专业细致而直观易懂的学习教程。等主题。

CS231n学习笔记汇总 计算机视觉 机器学习 代码实现

深度学习笔记整理说明基本知识点一：模型的设置（基本）1. 激活函数的设置2. 损失函数的设置(1) 分类问题(2) 属性问题(3) 回归问题3. 正则化方式的设置(1) 损失函数添加正则化项(2) 最大范式约束(3) 随机失活4. 参数更新方式(1) 梯度下降的更新方式(2) 学习率的更新方式基本知识点二：模型的训练（基本）1. 训练之前(1) 数据预处理 说明 本文主要是笔者在学习CS231n课...

这里写目录标题assignment1:1.训练预测2.明白训练 验证测试 同时在 验证上调整超参数3.写搞笑的numpy向量4.实现knn5.svm6.softmax7.两层神经网络8.利用除了像素之外的特征比如颜色直方图 梯度直方图来对性能进行改进 assignment1: 1.训练预测 2.明白训练 验证测试 同时在 验证上调整超参数 3.写搞笑的numpy向量 4.实现knn 5.svm 6.softmax 7.两层神经网络 8.利用除了像素之外的特征比如颜色直方图 梯度直方图来对性能进行改进 HOG

cs231n图像分类笔记（上）的学习记录

​ 在上面的loss计算中会出现一个问题就是对于同一组的数据，相同的loss可能会出现多种的W符合要求，在一些极端的情况下甚至可能出现存在W使得loss = 0 ，但是这是在训练集上的数据而非在所有的应用环境下侧得到的。​ 在这么多的W上，我们希望W在每一个参数上的权重尽可能小，这样的话在相同loss的情况下，更多的像素点参数会被纳入计算分类的过程中而不是在几个像素点上的参数非常大，导致他的鲁棒性不足。所以这一段代码的作用是找出所有在循环中同类的训练集的行，并返回其的索引值。

吴恩达老师的课程有四门： 网易云课堂链接 https://study.163.com/courses-search?keyword=%E5%90%B4%E6%81%A9%E8%BE%BE 课后作业链接：（十分详细） https://blog.csdn.net/u013733326/article/details/79827273#comments 课程笔记： https://zhuanlan.zh...

最近开了一个新坑——【CS231n】斯坦福大学李飞飞视觉识别课程，准备认真学习并记录自己的学习历程。 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。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（一）：Python Numpy教程(1) 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（二）：Python Numpy教程(2)...

本教程依托于 Stanford 斯坦福大学的《CS231n：深度学习与计算机视觉》，对深度学习与计算机视觉方向的图像分类、CNN、RNN、目标检测、图像分割、生成模型等各个主题做了体系化的梳理

本文为2024年cs231n课程作业二的参考答案，里面有详细的公式推导过程。

之前写过一个关于斯坦福cs321n课程的作业环境搭建教程，cs231n_assignment1_配置作业环境+kNN，不过好像很多人还是在搭建过程中遇到一些问题，导致做不了作业。自己动手实践是学习最快的方法，看公开课独立完成作业非常重要。在邮件中不好详细回复，今天回忆了一下当时的搭建步骤在这里另开一文做一个作业环境搭建的图文详细版，希望能帮助到更多的人。 说明：本文适用于希望在Window...

编写：土豆 MoreZheng SlyneD 校对：碧海听滔 Molly 总校对与审核：寒小阳 本系列由斯坦福大学CS231n课后作业提供 CS231N - Assignment2 - Q4 - ConvNet on CIFAR-10 问题描述：使用IPython Notebook（现版本为jupyter notebook，如果安装anaconda完整版会内置），在Conv

最近学习了斯坦福的CS231n(winter 2016)系列课程，收获很大，作为深度学习以及卷积神经网络学习的入门很是完美。学习过程中，主要参考了知乎上几位同学的课程翻译，做得很好，在这里也对他们表示感谢，跟课程相关的很多资源都可以在该专栏中找到。推荐大家把每个笔记的翻译都完整的看一下。关于该课程视频的中文字幕也在翻译进行中，目前第一集已经翻译完成，感兴趣的同学可以也可以看看参与进去。此外，完成课程

cs231n assignment1 参考答案(包含详细的推导过程)

1. 分类器中L1和L2比较。 在面对两个向量之间的差异时，L2比L1更加不能容忍这些差异，相对于1个巨大的差异，L2距离更倾向于接受多个中等程度的差异。 2. k-Nearest Neighbor分类器存在以下不足 分类器必须记住所有训练数据并将其存储起来，以便于未来测试数据用于比较。这在存储空间上是低效的，数据集的大小很容易就以GB计。对一个测试图像进行分类需要和所有训练图像作比较，算法

CS231n 2019版作业笔记 采用手抄的方式对作业中要写的代码部分以及一些给出不需要写但是很重要的模块进行了详细解析，适合小白阅读

最近开了一个新坑——【CS231n】斯坦福大学李飞飞视觉识别课程，准备认真学习并记录自己的学习历程。 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。 【CS231n】斯坦福大学李飞飞视觉识别课程笔记（一）：Python Numpy教程 这个课程将使用Python编程语言来完成课程的所有作业。Python是一门伟大的通用编程语言，在一...