
cs231n 学习笔记
文章平均质量分 82
没伞的孩子往前跑
这个作者很懒,什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
cs231n 学习 -- 前言
吐槽:我为啥学这个 做了一段时间Android,从uboot,kernel到hal,jni,frameworks,app,发现就那么回事,可能大部分企业的需求也只是增删改,实在无聊,工资也就那么点,继续在这上面整,是否在浪费时间呢,果断离职,准备换方向了。什么赚钱搞什么,市场选择,跟随时代潮流,弄AI呗。 学这门课之前,到官网(要科学上网哦)查了下相关信息,有部分需求Pre...原创 2018-12-25 12:10:26 · 170 阅读 · 0 评论 -
cs231n 学习 -- Lecture 1 Course Introduction
这一节课主要是课程介绍,包括机器视觉概览和相关历史,简而言之,背景介绍。这里给出2017年该课程的大纲(科学上网哦),包括视频,ppt 等各种资源,2018年的似乎只有本校生才能看。。,下面简单做下笔记。机器视觉是啥,配备有感测视觉仪器(如自动对焦相机或感测器)的检测机器,应用相当广呢。 机器视觉包含哪些科学Psychology 心理学 Computer ...原创 2018-12-25 15:16:42 · 257 阅读 · 0 评论 -
cs231n 学习 -- Lecture 2 Image Classification
Image Classification -- 对于一张图片,如何从一个固定标签集中选一个对它进行标记 ?从机器的角度看会存在哪些问题和挑战 从一个简单的算法来进行切入,来看刻如何赋予标签。Nearest Neighbor Classifier将测试图片和每一个训练图片比较,根据最接近的图片来预测。使用L1 Distance来表示: ...原创 2019-01-01 10:35:07 · 149 阅读 · 0 评论 -
cs231n 学习 -- Lecture 3 Loss Functions and Optimization
上节课末解释了权值 W 的意义,这节主要讲 函数 的评价方法及优化,是吴恩达的机器学习课程中相关知识的深化和补充吧。这里介绍了两种常见的评价方法:Multiclass Support Vector Machine loss and Softmax classifier.Multiclass Support Vector Machine loss这里直接给出表达式: ...原创 2019-01-04 21:43:29 · 204 阅读 · 0 评论 -
cs231n 学习 -- Lecture 5 Convolutional Neural Networks
卷积神经网络(Convolutional Neural Network, CNN)是一种前馈神经网络,和普通神经网络相似,都是由具有可学习权重和偏差的神经元组成。那有什么区别,ConvNet架构明确假设输入是图像,这允许我们将某些属性编码到架构中。然后,这些使得前向功能更有效地实现并且大大减少了网络中的参数量。 常规神经网络采用完全连接结构,对于 32*32*3 的图...原创 2019-01-13 22:02:52 · 469 阅读 · 0 评论 -
cs231n 学习 -- Lecture 4 Backpropagation and Neural Networks
接上一节求解解析梯度引出反向传播相关知识,高等数学上就是复合函数求导。eg. => 函数可以表示为加法器和乘法器的组合电路,电路图表示如下:函数对 的偏导数可根据所谓的Chain rule: 求得。总结下求解过程,首先是拆分成各个组件,得到组件输出值...原创 2019-01-08 15:54:13 · 205 阅读 · 0 评论 -
cs231n 学习 -- Lecture 6/7 Training Neural Networks
激活函数 Activation Functions 如下图所示,分别为神经元及其数学建模图,当叠加到细胞体的信号高于某个阈值时,神经元可以发射,沿轴突发送尖峰,在数学模型中,假定只有发射速率传达信息,基于此,我们使用激活函数模拟神经元的激发速率。在数学统计中,我们用来赋予模型非线性特性。 比较常见的激活如下,从早期比较受欢迎的sigmoid函数到tanh,...原创 2019-01-29 20:14:10 · 276 阅读 · 0 评论 -
cs231n 学习 -- Lecture 8 Deep Learning Software
在等 offer 的路上继续我未尽的cs231n,虽然最后工作内容还是和CV擦肩而过。 这节主要就是 1.CPU vs GPU 2. 深度学习框架的介绍。 1. CPU vs GPU 如下图所示,CPU的核心数相对较小,但是主频较高,每个核的处理能力相对更强,擅长于串行任务;而GPU相比较之 下,核心数会多得多,每个核的相对能力...原创 2019-03-12 14:00:46 · 187 阅读 · 0 评论