Noneiseverything的博客

上一篇讲了最简单的线性分类器：k-Nearest Neighbor, 这里继续讲讲线性分类器。 linear classifiers作为深度学习里最基本的构造模块之一，首先是它的基本原理。 原理 假设我们想实现一个线性分类器，使每输入一张照片，系统可以从已知的10个labels中筛选，并自动输出它对应的label。现在输入一张32*32*3的彩色照片，矢量化之后对应了x=（3072*1）这样一个向量（3072=32*32*3），在被函数f（x，W）处理之后，能够得到一个（10*1）的新向量，每一行对应

在介绍k-最近邻算法之前，先来点背景知识介绍：由于计算机不能像人脑一样看到一个东西可以自动分辨出这个东西是啥，我们需要一种方法去“训练”它---识别算法。但是对于自然界的物体，不同物种形态不一致，而同一个物种之间也可能有不同的形态，同时拍摄的地点，光线以及物体被遮掩的程度不同，单纯地对每一种物体写具体的分类规则十分费时，且不能涵盖所有可能的情况，最终会导致分辨的失误。基于此，我们采取了“数据驱动方式”---Data Driven approach Data-Drivenapproach 步骤： col.