cs231n课后作业（1）

最新推荐文章于 2023-07-24 15:22:51 发布
最新推荐文章于 2023-07-24 15:22:51 发布
阅读量575 收藏 1
点赞数
CC 4.0 BY-SA版权
文章标签： cs231n
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。
本文链接：https://blog.youkuaiyun.com/moguchen/article/details/79573910
本文介绍了一种在Cs231n课程中的K近邻(k-Nearest Neighbor, KNN)分类算法的实现方法，该方法通过矩阵运算避免了使用循环结构，提高了效率。主要内容包括计算训练样本与测试样本之间的距离，并利用numpy库中的函数进行矩阵操作。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

part one

k近邻算法无循环证明

Cs231n课程中knn算法的实现

 

 

dists += np.sum(np.multiply(X, X), axis = 1, keepdims = True).reshape(num_test, 1)

dists += np.sum(np.multiply(self.X_train, self.X_train), axis = 1, keepdims = True).reshape(1, num_train)

dists += -2 * np.dot(X, self.X_train.T)

dists = np.sqrt(dists)


moguchen
关注
CS231n课后作业小结
hola_f的博客
06-13 467
参考资料： https://www.jianshu.com/p/004c99623104
cs231n 作业一 knn
zhanliangliang33的博客
09-05 829
其只找最相近的那1个图片的标签，我们找最相似的k个图片的标签，然后让他们针对测试图片进行投票，最后把票数最高的标签作为对测试图片的预测。一：计算第 i 个测试点到第 j 个训练点的 l2 距离，并将结果存储在 dists[i, j] 中。X[a:b, :]---->从第0列开始到最后一列结束，取矩阵X的第 a 行到第 b 行的元素。X[i, :]---->从第0列开始到最后一列结束，取矩阵X的第 i 行的元素。：计算向量间的距离有很多种方法，另一个常用的方法是。函数，它的作用是预测输入的新数据的分类标签。
CS231n课程作业1
11-09
CS231n课程作业1所有代码，已实现，下载即可使用。包括相应的数据库。
斯坦福cs231n计算机视觉课程代码课后答案
11-05
斯坦福cs231n计算机视觉课程代码课后答案
CS231n knn python 课后作业
ferb的语音识别学习小站
08-31 476
knn程序 http://cs231n.github.io/classification/ L1 distance d1(I1,I2)=∑p|Ip1−Ip2| def predict(self, X): """ X is N x D where each row is an example we wish to predict label for """ num_test ...
cs231n李飞飞课程作业一题目和答案
04-15
斯坦福大学李飞飞计算机视觉教程，cs231n课程2017年的作业一的代码题目和答案，答案为自己实现，自己实际验证过，都能够通过，所用环境为windows Pycharm和Pycharm中的Jumpyter Notebook。
斯坦福李飞飞计算机视觉CS231n作业(中文翻译版).zip
03-11
斯坦福著名AI大神、全球AI人气讲师——李飞飞老师的计算机视觉课程作业，附有详细解析，以及对应的python代码实现
cs231n春季作业 2017版
11-14
在CS231n的作业中，你将接触到卷积神经网络（CNN）、循环神经网络（RNN）以及它们的变种，如LSTM和GRU。 2. **卷积神经网络（CNN）**：CNN是深度学习在图像处理中的核心，其主要特点是利用卷积层提取图像特征。2017...
斯坦福2017_CS231n作业python实现
03-26
本压缩包包含斯坦福大学cs231n课程三次作业的代码实现，比较适合深度学习入门者使用。
斯坦福CS231n 2017年春讲座——CNN for Visual Recognition lecture 1-5
10-01
【斯坦福CS231n课程详解：2017年春CNN for Visual Recognition讲座1-5】 在计算机科学的世界中，计算机视觉是一门至关重要的领域，它涉及到让机器理解和解释图像与视频的能力。斯坦福大学的CS231n课程是这个领域的...
cs231n作业 assignment 1 q1 q2 q3
Leezed525的博客
07-24 7862
请先看课程作业地址。有两种做作业的方法，一种是在google Colab上做 （需魔法），另一种就是下载到本地，但是我懒得在本地配置环境，太麻烦了，还得修改一些基础代码，我就直接在google colab上做了google colab 配置环境只需要跟着教程走就好了最后还有一题解答题懒得做的，这个题目做的没啥意思。让我们用简单写法来实现softmax的loss函数与梯度计算。
CS231n深度学习课程作业1实现
11-20
CS231n深度学习课程作业1实现，实现完整的KNN、SVM、softmax、二层神经网络的作业。
CS231n全连接神经网络作业答案参考
11-05
这是本人手写的cs231n关于全连接神经网络的作业，可以直接运行demo，在cifar10数据集上达到了50.75%的精度，欢迎下载，共同学习交流。
CS231N作业1SVM
weixin_40473318的博客
01-31 438
CS231N作业1SVM
cs231n Assignment 1# SVM详细答案及总结
i_csdn_water的博客
03-12 1529
Assignment 1# SVM线性分类器简介：score function:loss function 线性分类器简介： 在这里的两个分类器SVM和softmax都是线性分类器，也是后序神经网络的基础。他由两部分组成：score function和loss function。 前者通过WTx+bW^Tx+bWTx+b的线性方式计算出每一个图片向量对于不同类别的得分，后者则采用不同的loss对误差进行度量（SVM or softmax）。 score function: 对于一张高维的图片，首先还是将它伸
CS231n计算机视觉作业1-Q2-svm
roymustang的博客
02-15 2188
[toc] 支持向量机练习 完成一个基于SVM的全向量化损失函数 完成解析梯度的全向量化表示 用数值梯度来验证你的实现 使用一个验证集去调优学习率和正则化强度 运用随机梯度下降去优化损失函数 可视化最后的学习得到的权重 ...
Stanford cs231n'18 课程及作业详细解读
FortiLZ的博客
06-26 4408
Stanford
cs231n作业-assignment1
Momentum
07-23 1447
knn、向量化、交叉验证
CS231N课程作业Assignment1--KNN
鲁棒最小二乘支持向量机
01-28 3775
CS231N课程作业
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