CS231n课程笔记翻译系列之目录汇总

原文链接： //blog.youkuaiyun.com/NNNNNNNNNNNNY/article/details/54577123

知乎上CS231n课程翻译系列翻译的笔记非常好，为了方便查看，这里把所有目录列于此，并给出链接。

Python Numpy教程（全篇）
- Python
  - 基本数据类型
  - 容器(列表, 字典, 集合, 元组)
  - 函数
  - 类
- Numpy
  - 数组
  - 访问数组
  - 数据类型
  - 数组计算
  - 广播
- SciPy
  - 图像操作
  - MATLAB文件
  - 点之间的距离
- Matplotlib
  - 绘制图形
  - 绘制多个图形
  - 图像
图像分类笔记
- 图像分类、数据驱动方法和流程（上篇）
- Nearest Neighbor分类器
  - k-Nearest Neighbor
- 验证集、交叉验证集和超参数调参（下篇）
- Nearest Neighbor的优劣
- 小结
- 小结：应用kNN实践
- 拓展阅读
线性分类笔记
- 线性分类器简介（上篇）
- 线性评分函数
- 阐明线性分类器
- 损失函数（中篇）
  - 多类SVM
  - Softmax分类器（下篇）
  - SVM和Softmax的比较
- 基于Web的可交互线性分类器原型
- 小结
最优化笔记
- 简介（上篇）
- 损失函数可视化
- 最优化
  - 策略#1：随机搜索
  - 策略#2：随机局部搜索
  - 策略#3：跟随梯度
- 梯度计算（下篇）
  - 使用有限差值进行数值计算
  - 微分计算梯度
- 梯度下降
- 小结
反向传播笔记（全篇）
- 简介
- 简单表达式和理解梯度
- 复合表达式，链式法则，反向传播
- 直观理解反向传播
- 模块：Sigmoid例子
- 反向传播实践：分段计算
- 回传流中的模式
- 用户向量化操作的梯度
- 小结
神经网络笔记1
- 不用大脑做类比的快速简介（上篇）
- 单个神经元建模
  - 生物动机和连接
  - 作为线性分类器的单个神经元
  - 常用的激活函数
- 神经网络结构（下篇）
  - 层组织
  - 前向传播计算例子
  - 表达能力
  - 设置层的数量和尺寸
- 小节
- 参考文献
神经网络笔记2（全篇）
- 设置数据和模型
  - 数据预处理
  - 权重初始化
  - 批量归一化（Batch Normalization）
  - 正则化（L2/L1/Maxnorm/Dropout）
- 损失函数
- 小结
神经网络笔记3
- 梯度检查（上篇）
- 合理性（Sanity）检查
- 检查学习过程
  - 损失函数
  - 训练集与验证集准确率
  - 权重：更新比例
  - 每层的激活数据与梯度分布
  - 可视化
- 参数更新（下篇）
  - 一阶（随机梯度下降）方法，动量方法，Nesterov动量方法
  - 学习率退火
  - 二阶方法
  - 逐参数适应学习率方法（Adagrad，RMSProp）
- 超参数调优
- 评价
  - 模型集成
- 总结
- 拓展引用
卷积神经网络笔记（全篇）
- 结构概述
- 用来构建卷积神经网络的各种层
  - 卷积层
  - 汇聚层
  - 归一化层
  - 全连接层
  - 将全连接层转化成卷积层
- 卷积神经网络的结构
  - 层的排列规律
  - 层的尺寸设置规律
  - 案例学习（LeNet / AlexNet / ZFNet / GoogLeNet / VGGNet）
  - 计算上的考量
- 拓展资源