CS231n 学习笔记（十七）

最新推荐文章于 2024-05-15 22:54:11 发布
原创 最新推荐文章于 2024-05-15 22:54:11 发布 · 246 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#CS231n #学习笔记

本文详细讲解了循环神经网络（RNN）的基本原理和应用，通过具体实例帮助读者深入理解RNN的工作机制，适合有一定神经网络基础的学习者。
cs231n学习笔记
TangXin95的博客
08-29 878
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
精选资源
2023最新CS231N课程笔记
01-12
综上所述，2023年CS231n课程笔记为学习者提供了一个全面了解计算机视觉的平台，通过深入学习和实践，可以提升对图像理解、模式识别和智能分析的能力，为未来在这个领域的研究和开发打下坚实基础。
CS231n学习笔记--14. Reinforcement Learning
Kuekua的专栏
11-06 681
1. What is Reinforcement Learning概述： 举个栗子： 再举一个： 2. Markov Decision Process Mathematical formulation of the RL problem Markov property: Current state completely characterises the state of the world
CS231n 学习笔记（三）
kinggerui的博客
03-25 300
时间：2019/3/25 内容：线性分类 课时6：线性分类 线性分类器是深度学习应用程序中最基本的构建模块之一，是参数模型中最简单的例子。 在KNN算法中没有设置参数，通常会保留所有种类的是训练集并在测试时使用。但现在，在一个参数化的方法中，我们将总结我们对训练数据的认识并将其运用到参数W中，测试时只需要W。 注意：x是一个长向量；b是偏置项，它不与训练集数据交互，而只会给我们一些数据独立的偏...
[cs231n] Lecture 14 | Deep Reinforcement Learning
gdtop的个人笔记
03-19 469
Lecture 14 | Deep Reinforcement Learning What is Reinforcement Learning? Markov Decision Processes Q-Learning Policy Gradients Cart-Pole Problem Robot Locomotion Atari Games GO Ma...
cs231n spring 2017 lecture14 Reinforcement Learning
weixin_30357231的博客
12-10 121
（没太听明白，下次重新听） 1. 增强学习 　　有一个 Agent 和 Environment 交互。在 t 时刻，Agent 获知状态是 st，做出动作是 at；Environment 一方面给出 Reward 信号 rt，另一方面改变状态至 st+1；Agent 获得 rt和 st+1。目标是 Agent 学习 st到 at的某种映射 π* 最大化累积的 Reward，∑γtrt，其...
CS231n 学习笔记（一）
kinggerui的博客
03-23 491
时间：2019/3/23 内容： 1.计算机视觉概述 2.计算机视觉历史背景 https://study.163.com/course/courseLearn.htm?courseId=1004697005#/learn/video?lessonId=1049395813&courseId=1004697005 课时1：计算机视觉概述 若无基础，可先学习CS131（深度学习、自然语言处理...
CS231n学习笔记汇总
elfighting的博客
01-15 724
CS231n学习笔记汇总 计算机视觉 机器学习 代码实现
CS231n 学习笔记（二）
2401_85012446的博客
05-15 1391
虽然利用上一讲中的计算图像边缘，把边角各种形状分类好，写一些规则识别，但这不是一种可推演的算法，效果也并不好。实际处理上，我们并不写一些分类规则，而是在网络上抓取各种分类大量图片数据集或者直接利用一些建好的数据集，训练机器来分类这些图片，机器会接受所有数据，用某种方式总结，然后生成某种模型，总结识别出这些不同类的对象的核心要素。注： 训练集只是单纯记录所有训练数据那么给出两幅图片，我们应怎样对它们进行比较呢？。以下是其中一种方式。
CS231n学习笔记.zip
最新发布
06-08
此外，卷积神经网络作为处理图像数据的主流架构，在CS231n学习笔记中也会有深入的讲解，包括卷积层、池化层、全连接层的作用和设计，以及如何通过层叠这些基本组件构建有效的CNN模型。 在图像分类方面，笔记可能会...
cs231n课程学习笔记中文版
01-03
cs231n课程学习笔记翻译后的中文版，经过整理后变为word文档，供大家下载学习
cs231n课程笔记
10-06
《CS231n课程笔记》是一份精心编制的入门指南，它为想要了解和深入计算机视觉的初学者提供了一个系统的学习框架。 课程内容的基础性和实战性并重，以斯坦福大学的CS231n课程为基础，涵盖机器学习的众多基础知识。...
精选资源
CS231n课程笔记.md
07-30
翻译修改了官方文档所有笔记，供大家进行参考学习，有不足的地方可以帮我指正一下
CS231n 学习笔记（十五）
kinggerui的博客
04-06 729
时间：2019/4/6 内容：常用框架 课时19：深度学习框架 review: 大部分深度学习框架的目标是
CS231n 学习笔记（六）
kinggerui的博客
03-28 687
时间：2019/3/28 内容：反向传播 课时9：反向传播 （表示莫名喜欢这一讲的内容） 已学内容： 用f定义一个分类器，权重矩阵W是f的参数，输入数据x并对象要分类的每个类别都输出一个对应的得分向量 定义损失函数，体现对模型预测结果满意或是不满意的程度，并用它定义一个总的损失函数（loss+regularization） 正则项表示模型的复杂程度。为了更好的泛华，我们倾向取简单的模型 接下来...
CS231n 学习笔记（十二）
kinggerui的博客
04-03 592
时间：2019/4/3 内容：更好的优化 课时16：更好的优化 （加油！理论学好就能开始学习框架了） 之前学过的内容有： 各种激活函数 权重初始化（较好的选择：Xavier、MSRA，这样学习深度网络时，每一层的激活值会有很好的分布；网络越来越深时，权重的初始化会变得至关重要，因为随着网络的变深，你会不断乘以那些权重矩阵） 数据预处理（zero-centered、norma...
CS231n 学习笔记（十四）
kinggerui的博客
04-05 542
时间：2019/4/5 内容：迁移学习 课时18：迁移学习 过拟合的原因是数据量太小，但使用迁移学习可以使得不用大数量集也可以训练神经网络， 思想：首先找到一些卷积神经网络，用大数量集训练整个网络，然后把从这个数据集中训练出的提取特征的能力用到更感兴趣的小数据集上。这里数据集只有C个类别（比大数据集少），接着修改从最后一层的特征到最后的分类输出之间的全连接层，需要重新随机初始化最后的矩阵，冻结前面...
CS231n 学习笔记（七）
kinggerui的博客
03-29 390
时间：2019/3/29 内容：神经网络、CNN历史 课时10：神经网络 （上图中结构图中的h是max(0, W1x)） 顶层有一个线性变换，然后有一个非线性计算，继而在顶层在加入另一个线性层。神经网络就是由简单函数构成的一组函数，在顶层堆叠在一起（用一种层次化的方式将它们堆叠，为了形成一个更复杂的非线性函数），这就是基本的多阶段分层计算 实现的手段：将多个线性层堆叠在顶层和其他非线性函数结合...
CS231n课程笔记系列翻译整理
标题：“CS231n课程笔记翻译”指向的内容很可能是关于深度学习中的一个非常重要的课题——卷积神经网络（Convolutional Neural Networks，简称CNN）。CS231n是斯坦福大学开设的一门关于视觉识别的课程，该课程深入地...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值