github_35768306的博客

之前发了这门课前两节的ppt，因为懒的原因，看完教学视频就没有及时注解。。 现在开始，每次就一边看视频一边做笔记了。 本节课讲的是损失函数和优化的内容。（推荐deep learning的中文版，回头再加上这部分的学习笔记） 上一讲提到了视觉识别的挑战，尤其是图像分类。现在不仅能对猫进行分类识别，对成千上万的物体也能进行识别，且利用最前沿的算法，我们的识别精度可以达到人类的精确度，在识别某些物体

这是由李飞飞及其博士生开讲的深度学习课程。 第一节是李飞飞主讲，她简短地描述了计算机视觉的历史以及亟待解决的问题。 计算机视觉的应用方方面面，一图以概之： 下面对讲义中的每页进行讲解 这是最早的产生图片的装置，可以说是照相机的前世。 通过下面图中的生物实验，科学家研究了猫接受图像信息时大脑活动的区域，进而研究大脑处理图像的机制。讲了几个关于大脑构造的有趣的小知识，比如，生物最先形成

这堂课关于作业的规定~ 要求学生能熟练使用Python，能熟练使用scipy,numpy处理矩阵和向量。如果不能，可以查看下图中的网址，学习Python Numpy Tutorial. 这是用来提交的网址，可以忽略。这是云端的虚拟机，可以用来编程实验 图片分类：得到一幅图片，计算机给它一个标签，如下，给猫打上“猫”的标签。 本节课进入正题了，主要讲分类以及线性分类器。 下面