CS231N 之 作业环境搭建

斯坦福CS231n课程笔记纯干货1 1. 分类器中L1和L2比较。 在面对两个向量之间的差异时,L2比L1更加不能容忍这些差异,相对于1个巨大的差异,L2距离更倾向于接受多个中等程度的差异。 2. k-Nearest Neighbor分类器存在以下不足 分类器必须记住所有训练数据并将其存储起来,以便于未来测试数据用于比较。这在存储空间上是低效的,数据集的大小很容易就以GB计。对一个测试图像进行分类需要和所有训练图像作比较,算法 阅读详情
AI摘要

本文详细介绍了如何在Windows 10和Ubuntu环境下搭建CS231N课程的学习环境,包括Anaconda的安装、虚拟环境的创建、作业及数据集的下载,以及使用ipython进行作业编辑的方法。

CS231N 环境搭建

  • WIN10 环境
  • LINUX 环境

1 在本地win10上完成CS231n

1.1配置过程
  • 在本地win10系统上安装anaconda
    - 进入Anaconda的官网进行下载或学习。
    - 选择你想下载的Python版本,这里我们选择的是Python3.6
    - 选择你的操作系统和位数,这里我们选择的是Windows64位
    - 然后点击Download按钮就开始下载了
    在这里插入图片描述
安装

找到安装包所在的目录,双击安装包
在这里插入图片描述
点击Next
在这里插入图片描述
点击I Agree
在这里插入图片描述
选择你想安装的路径,之后一路默认就ok了

配置环境变量:

  1. 如果你在安装过程中勾选了Add PATH 那个选项,那么你不需要额外配置环境变量,
  2. 但是如果你没有勾选(默认是不勾选的),那么你需要按照以下标准去配置(路径根据自己的安装位置变化)
    在这里插入图片描述

1.2 在课程网站上下载作业压缩包

  • 登陆http://cs231n.stanford.edu/
    在这里插入图片描述
  • 进入sylabus
    在这里插入图片描述
  • 点击下载SLIDE,NOTE,及ASSIGNMENT
    在这里插入图片描述

1.3 WIN10下linux环境安装

  1. 打开Linux子系统(这一步基本没问题)
    打开 控制面板——程序和功能——(左侧)启用或关闭Windows子功能——勾选“适用于Linux的Windows子系统”(如下图所示)——点击“确定”,电脑下载结束后进行重启
    在这里插入图片描述
    2 开发人员设置
    打开 设置——更新和安全——开发者选项——选择“开发人员模式”(忘了需不需要重启,按照电脑提示进行)
    在这里插入图片描述
    3 安装Bash
    常规操作就是在Microsoft Store上搜索Ubuntu,然后选择下图中的第一个选项
    在这里插入图片描述
1.4 方法1 下载作业及数据集

执行linux命令以及.SH文件
在win10下运行.sh文件

cd assignment1/cs231n/datasets/
./get_datasets.sh

获取CIFAR10数据

在这里插入图片描述

1.5 方法2 建立课程作业的虚拟环境

1.5.1设置虚拟环境
  • 打开ANACONDA PROMPT 命令行窗口
  • 运行(在终端中)conda create -n cs231n python=3.6 anaconda 创建一个叫做的环境cs231n。
conda create -n cs231n python=3.6 anaconda 

注意:python=3.6 需要根据实际的python版本设置

在这里插入图片描述

  • 激活并进入环境,请运行 source activate cs231n
 source activate cs231n
  • 要退出,您只需关闭窗口或运行即可 source deactivate cs231n
source deactivate cs231n
  • 请注意,每次要处理作业时,都应该运行 source activate cs231n
source activate cs231n
  • 下载数据
cd assignment1/cs231n/datasets/
./get_datasets.sh
1.5.2 使用ipython开始编辑作业

ipython是Anaconda中安装好的一个编译器,你如果在上面安装完Anaconda后执行了conda list 会看到ipython

  • 在终端执行打开ipython
ipython notebook
  • 然后点击assignment1/knn.ipynb开始做第一个作业啦~~~

2 在UBUNTU上完成CS231n

实验平台:Ubuntu16.04

2.1 安装Anaconda

在清华大学开源软件镜像站下载,
在这里插入图片描述
在这里插入图片描述

2.2 开始安装Anaconda。

1)打开terminal;

2)打开下载文件的位置:

cd Downloads/

3)运行 .sh 文件:

bash Anaconda3-5.2.0-Linux-x86_64.sh

4)进入注册信息页面,输入yes;

在这里插入图片描述

5)阅读注册信息,然后输入yes;查看文件即将安装的位置,按enter,即可安装,如图;

在这里插入图片描述

6)进入安装过程,如图;
在这里插入图片描述

7)安装完成后,收到加入环境变量的提示信息,输入yes;

在这里插入图片描述

8)看到图这些信息说明已经安装完成。

在这里插入图片描述

9)提示信息“Do you wish to proceed with the installation of Microsoft VSCode? [yes|no]”,输入no;

10)重启终端,即可使用Anaconda3;

11)若在终端输入 python,仍然会显示Ubuntu自带的python版本,我们执行:

sudo gedit ~/.bashrc
export PATH="/home/xupp/anaconda3/bin:$PATH"

注意:PATH后面需要填写ANACONDA的实际安装位置

12)然后执行下面命令更新环境变量

source ~/.bashrc

这时候可以查看python版本

python --version
其他:
  • 如果运行有问题,可以查看Anaconda中现在安装了哪些库,常用的是numpy, scipy,ipython都是后面作业中会使用到的库
conda list
  • 如果缺少库,可以执行下面命令安装(***替换为numpy或者scipy)
conda install *** 
2.2下载作业压缩包
  • 登陆http://cs231n.stanford.edu/
    在这里插入图片描述
  • 进入sylabus
    在这里插入图片描述
  • 点击下载SLIDE,NOTE,及ASSIGNMENT
    在这里插入图片描述

找到下面的here链接点击下载,然后解压到home,得到一个名为assignment1的文件夹

2.3 方法1 下载作业及数据集

2.3.1下载CIFAR-10数据集
cd assignment1/cs231n/datasets/
./get_datasets.sh
2.3.2 使用ipython开始编辑作业

ipython是Anaconda中安装好的一个编译器,你如果在上面安装完Anaconda后执行了conda list 会看到ipython

  • 在终端执行打开ipython
ipython notebook

2.4 方法2 建立课程作业的虚拟环境

2.4.1设置虚拟环境
  • 运行(在终端中)conda create -n cs231n python=3.6 anaconda 创建一个叫做的环境cs231n。
conda create -n cs231n python=3.6 anaconda 

注意:python=3.6 需要根据实际的python版本设置

在这里插入图片描述
在这里插入图片描述

  • 激活并进入环境,请运行 source activate cs231n
 source activate cs231n
  • 要退出,您只需关闭窗口或运行即可 source deactivate cs231n
source deactivate cs231n
  • 请注意,每次要处理作业时,都应该运行 source activate cs231n
source activate cs231n
  • 下载数据
cd assignment1/cs231n/datasets/
./get_datasets.sh
2.4.2 使用ipython开始编辑作业

ipython是Anaconda中安装好的一个编译器,你如果在上面安装完Anaconda后执行了conda list 会看到ipython

  • 在终端执行打开ipython
ipython notebook
  • 然后点击assignment1/knn.ipynb开始做第一个作业啦~~~

3 作业解答

程序界面是分块的,在每一个块内按shift+enter就会执行相应的块查看输出结果。注意的是:程序需要顺序执行,否则会出现未定义的变量

斯坦福cs231n虚拟环境搭建详细教程,内含资源下载 cs231n环境搭建,安装Anaconda,查看已创建的虚拟环境,创建名为"cs231n"的虚拟环境,python选择3.7版本创建好虚拟环境后,输入以下命令,激活“cs231"环境 阅读详情

相关推荐

Windows本地快速搭建cs231n作业环境

之前写过一个关于斯坦福cs321n课程的作业环境搭建教程,cs231n_assignment1_配置作业环境+kNN,不过好像很多人还是在搭建过程中遇到一些问题,导致做不了作业。自己动手实践是学习最快的方法,看公开课独立完成作业非常重要。在邮件中不好详细回复,今天回忆了一下当时的搭建步骤在这里另开一文做一个作业环境搭建的图文详细版,希望能帮助到更多的人。 说明:本文适用于希望在Window...

ChuanjieZhu 4773

斯坦福大学的 CS231n(全称:面向视觉识别的卷积神经网络)

斯坦福大学的 CS231n(全称:面向视觉识别的卷积神经网络)一直是计算机视觉和深度学习领域的经典课程,每年开课都吸引很多学生。今年是该课程第3次开课,学生达到730人(第1次150人,第2次350人)。今年的CS231n Spring的instructors 是李飞飞、Justin Johnson和Serena Yeung,并邀请 Ian Goodfellow 等人讲解GAN等重要主题。最近斯坦...

AI 图像识别 4万+

在windows上搭建cs231n本地作业环境

在windows上搭建cs231n本地作业环境 最近在学习斯坦福大学计算机视觉实验室推出的 cs231n 这门课,在此分享一些自己的学习心得,希望在提升自己的同时能帮大家解决一些小问题。 搭建本地作业环境 下载作业包 Spring 2020 Assignments(IE浏览器打不开,换其它浏览器) 下载好后解压(我放在了桌面) 下载数据集CIFAR-10,解压后放到作业代码下的cs231n/datasets里(作业一) 下载Anaconda:Anaconda官网 在网页底端找到对应版本下载并安装

weixin_45268911的博客 1280

【Python学习笔记】cs231nPython Numpy教程

一些快速创建数组的方法:np.zeros创建全0数组,np.ones创建全1数组,np.full创建一个给定大小和类型并且以指定数字全部填充的新数组,np.eye创建对角线全为1的单位矩阵。很奇怪为什么这里修改切出来的b,会影响a的值,查了以后发现切片相当于只是创建了一个视图,并没有复制一份a,所以修改子数组会在原数组的基础上进行修改。真是基础不牢,地动山摇。还有一点很不适应的地方,是python中的数组和C#也不太一样,C#里输入几个[][]就能定义的数组,到了python里面变复杂了。

bailichen800的博客 2695

CS231n 课程作业 环境搭建(0806)

环境搭建 为了避免一些玄学问题影响实验,近日重新做了系统,因此本次实验从下载安装、搭建环境开始。 1)首先在CS231n的官方链接,下载作业代码 选择Option B: Jupyter starter code,在windows本地完成作业,下载并解压得到 2)安装Anaconda,下载地址 Anaconda指的是一个开源的Python发行版本,包括Conda、Python以及一大堆安装好的工具包,比如:numpy、pandas等 第一次安装,选择了Python 3.8 64位(可能会因为版本过新出现问题

yq1271的博客 789

CS231n计算机视觉课程:从零到精通的深度学习实践指南

如果你正在寻找一门真正能带你从零基础入门,并最终掌握计算机视觉核心能力的课程,那么斯坦福大学李飞飞教授主讲的CS231n《面向视觉识别的卷积神经网络》课程,几乎是你无法绕开的必学经典。但问题来了:这门课程内容庞大、涉及数学和编程基础,网上资料虽多却良莠不齐,一个新手该如何高效、系统地学习,并最终能动手实践,而不是仅仅停留在“看过”的层面? 更关键的是,网络上充斥着“斯坦福2026最新版李飞飞亲授”这类标题,容易让人产生误解。事实上,CS231n课程的核心公开视频版本定格在2017年,其理论基石(如卷积神经网

weixin_34110749的博客 464

CS231N 之 作业环境搭建 (Anaconda Install on Ubuntu)

CS231N 之 作业环境搭建 Table (目录): 1.下载安装Anaconda 2.配置虚拟环境 3.在虚拟环境中安装依赖 4.使用jupyter开始编辑作业 1.下载安装Anaconda 下载.sh文件 (请选择对应版本进行下载) 清华大学开源软件镜像站下载 官网下载 打开terminal,打开下载文件的位置: cd Downloads/ 运行 .sh 文件: bash Anaconda3-5.2.0-Linux-x86_64.sh 进入注册信息页面,输入yes 确

weixin_43661154的博客 933

从CS231n入门计算机视觉:构建理论与实践并重的学习路径

计算机视觉作为人工智能领域最核心的分支之一,已经从实验室走向了工业界的各个角落。无论是手机相册的智能分类、社交媒体的内容审核,还是自动驾驶汽车的感知系统、医疗影像的辅助诊断,其背后都离不开计算机视觉技术的支撑。对于希望进入AI领域,特别是视觉方向的开发者、学生和研究人员而言,系统地学习计算机视觉的理论与实践是至关重要的第一步。然而,面对海量的在线教程、论文和开源项目,初学者往往感到无从下手,不知道如何构建一个完整、高效且能落地的知识体系。 斯坦福大学的CS231n课程,全称“Convolutional Ne

weixin_29061465的博客 229

cs231n 作业环境搭建

纯纯是新手,本来想用2021年的作业资料完成作业,但是由于使用不了colab放弃了2021年的作业,转而使用2019年的作业资料。 主要参考资料:https://cs231n.github.io/assignments2019/assignment1/#option-b-local-development 作业环境:window 10 步骤: 下载安装Anaconda(不再详细介绍) 打开Anaconda Prompt, 输入 conda create -n cs23...

ab84878的博客 1811

cs231n 课程作业 Assignment 2

上一次作业基本已经讲了构建一个多层神经网络的基本知识,包括其结构,公式推导,训练方法。这一次主要关注卷积神经网络(CNN, Convolution Neural Network),要先读完课程笔记 CS231n Convolutional Neural Networks for Visual Recognition,基本就懂了。特别是那个解释卷积的动态图,非常形象。CNN 主要多了卷积层(convo

张小彬的专栏 2万+

深度学习初学者推荐&怎么在本地完成CS231n课程作业-配置环境

近期学习cs231n课程,并准备做作业,整理一下整个过程以防忘记。也许会出一个系列。 课程推荐: 喜欢看视频的可看下面两个链接之一: 1、https://cloud.tencent.com/edu/learning/course-1039-690 2、https://www.bilibili.com/video/av13260183/#page=1 喜欢看文字的推荐看下面系列: 网页: cs231n官方笔记 cs231n课程中文翻译 cs231nPPT链接:http://cs231n.stanford.edu/syllabus.html 斯坦福大学2014机器学习教程中文笔记目录 斯坦福大学深

cs231n作业mac下环境搭建

cs231n(2017 spring)听完前5课后开始做assignment1,结果菜鸡如我搭个环境就花了3天,最后还是抱大腿才搭好,当然也是因为确实存在一些坑。assignment1的环境搭建tutorial给了两种方法。1.Google cloud:本来打算用这个,因为迟早要用,然而注册需要提供信用卡信息(visa卡或者master卡),而我的visa卡刚在前不久被冻结了,gg。2.本地虚拟环境

lyqlola的博客 2620

FSL软件安装

FSL软件安装

huang_tianyuan的博客 2630

cs231n_assignment1_配置作业环境+kNN

作业1:http://cs231n.github.io/assignments2017/assignment1/ 我是在win7电脑上做的。 准备工作: 下载anaconda:https://www.anaconda.com/download/ 打开前修改jupyter notebook启动目录:https://www.zhihu.com/question/31600197/answ...

ChuanjieZhu 1万+

中国1990-2021连续30年土地利用CLCD数据分享

CLCD(China Land Cover Dataset)数据集是由武汉大学黄昕老师基于Google Earth Engine上的335,709景Landsat数据制作的中国年度土地覆盖数据集。为了提高CLCD的时空一致性,还提出了一种包含时空滤波和逻辑推理的后处理方法。该数据集最大的优势在于每年30米的土地利用分类结果,且连续覆盖了30年时间。相比其他产品如GLC_FCS30、Global30、AGLC2000_2015、FROM-GLC10、ESA10、ESRI10等,CLCD在时间分辨率上更高。

qq_48539301的博客 1万+

银河麒麟V10离线安装VLC播放器:依赖处理与3.0.9.2版本实操指南

在国产化操作系统日益普及的背景下,软件安装方式成为政企内网用户关注的重点。离线安装作为一种不依赖公网源的部署手段,常用于解决内网环境下的软件获取问题。其核心在于理解Linux包管理机制,如dpkg与apt对依赖关系的处理逻辑。掌握这一原理,不仅能应对多媒体软件的部署,也能提升系统维护效率。VLC作为跨平台多媒体播放器,凭借强大的解码能力与协议支持,广泛应用于本地视频播放、RTSP拉流及监控大屏等场景。本文从离线安装的通用概念出发,结合银河麒麟V10桌面版的实际环境,详细梳理了VLC 3.0.9.2离线包的获

weixin_32247165的博客 367

cs231n的环境配置

根据CS231n官网对环境配置的说明,完成任务可以通过 Google Colab或者在本地搭建虚拟环境。(建议两个都尝试) 在本地使用 在anaconda官网下载对应python3.7的win版的64-Bit Graphical Installer。 PC中没有python的话,安装步骤在此. Anaconda的优点在于可以不用操心依赖包的问题,它自带python,而且默认情况下它附带了MKL优化功能,这意味着numpy和scipy代码可从中受益,而无需更改一行代码。 如果PC已有python: 可

weixin_40680506的博客 1215

手把手完整实现STM32+ESP8266+MQTT+阿里云服务器+手机APP应用——第一节—阿里云物联网平台配置+IoTStudio界面绘制+MQTT.fx模拟MQTT客户端与使用AT命令发布订阅消息

通过MQTT.fx模拟连接以及通过CH340串口连接ESP8266发送AT命令,实现阿里云物联网平台发送数据同时接收数据,IOT studio界面显示数据。具体来说:使用ESP8266(本系列使用了ESP8266-ESP01/01S以及正点原子的ATK-ESP8266) 来连接网络,获取设备数据发送到阿里云物联网平台并显示数据,通过IOT studio界面显示数据并发送命令控制设备。本系列使用的主控芯片是STM32F103系列,当然也可以使用其他系列单片机都可以实现,思路都是一样的。同时本系列有手机APP源

嵌入式阿齐Archie 5万+

CS231n #assignment1 新手第一次做作业的准备工作

Assignment #1: Image Classification, kNN, SVM, Softmax, Neural Network http://cs231n.github.io/assignments2018/assignment1/ 1.本地环境配置: Windows10 + Anaconda 4.5.11 + python 3.6.6

weixin_43552191的博客 1825

FreeRTOS全攻略:从入门到精通

本文聚焦 FreeRTOS,从基础概念出发,阐述其开源、轻量级等优势。着重介绍 FreeRTOS 入门知识,涵盖内存管理、任务操作、同步互斥机制等核心内容。其中,空闲任务与钩子函数保障系统基础运行与功能扩展;队列、信号量、互斥锁和事件组等机制,分别从数据传递、资源访问控制、优先级问题解决及多任务同步等方面,为开发者提供高效的任务间协作与资源管理方案,助力开发者掌握 FreeRTOS 核心技术,为嵌入式项目开发筑牢基础。

邓邓子的博客 6357

智能车图像处理4-入门级分析3 ---十字路口补线

PS :入门级文章适合新手,如果已经有基础可以去看进阶篇文章。

taiyuezyh的博客 1万+

【记录贴】cs231n课程作业一遇到问题总结

1. 在本地完成作业环境配置cs231n课程课后作业是要求在ipython中完成并提交的,所以选择anaconda来做比较合适。关于anaconda的安装与使用可自行百度,教程很多。选择好编译器之后就可以从官网上下载作业压缩包和数据集了。这里强调一下数据集的下载:点击打开链接,打开网址下拉选择VersionSizemd5sumCIFAR-10 python version163 MBc58f301...

Kaiyuan_sjtu的博客 8359

用一组可复现实验讲清 ABAP 内表 Standard / Sorted / Hashed 的性能差异

摘要(150字): SAP项目中性能问题常源于ABAP内表选型不当。标准表(STANDARD TABLE)写入快但查找慢(线性扫描),适合遍历场景;排序表(SORTED TABLE)保持有序,支持二分查找,适合范围查询;哈希表(HASHED TABLE)基于唯一键实现常数级查找,适合高频精确匹配。实验表明:标准表+BINARY SEARCH需预排序,成本可能高于直接使用排序表;哈希表在键匹配时性能最优。Gateway和RAP场景中,内表选型直接影响接口响应,建议根据读写负载(追加/遍历/精确查找)选择对应类

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 201

如何在本地完成CS231n课程作业

最近开始学习斯坦福大学的CS231n课程,课程地址:网易云课堂,只有中文字幕,现在学完了1-7课时,准备着手做一下第一次作业,但是第一次接触不免有些手忙脚乱,自己探索了半天,准备写一个教程给和我一样的小白菜们,一起学习一起进步哦~实验平台:Ubuntu14.04 一:安装Anaconda下载地址:点击打开链接选择python2.7版本的64-Bit (x86) Installer (533 MB)...

qq_28448117的博客 1万+

【机械臂视觉抓取从理论到实战】

首先声明一下,此项目是参考B站哈萨克斯坦UP的【机械臂视觉抓取从理论到实战】 此内容为他研究生生涯的阶段性成果展示和技术分享,所有数据和代码均开源。所以鹏鹏我特此来复现一下,我采用的硬件与之有所不同,UP主使用UR5,我实验室采用的是UR3,下面列出相关材料 UR3CB3.12:https://www.universal-robots.cn/cb3/ 【UR3系统升级到CB3.12附带URcap1.05】硬件支持代码支持 jacquard数据集:https://pan.baidu.com/s/1524HrV

vor234的博客 5182

VC中sqlite的使用

在VC中对sqlite的使用,实现数据库大批数据的快速插入,读取数据库中的数据在ListCtrl中显示

CS231N

Lecture 1涉及到的领域计算机视觉涉及到我们生活中很多的领域,其中包括生物学、物理学、数学、机器学….history原始的进化 (物种的出现就有了视觉的出现)最早的照相机出现(根据哺乳动物的视觉神经创作的)David Marr理论:建造3D模型的具体步骤物体辨别图像分类在2012年图像分类迈出了重要的一步卷积神经网络变成了重要的工具Lecture 2安装python and Numpy图像分类

Cristal_yin的博客 439

精雕软件(JDpaint) 5.5 绿色版

精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版精雕软件(JDpaint) 5.5 绿色版

上一篇: 机器学习深度学习网络资源
下一篇: HC05主从蓝牙通信的配置步骤
戈 扬
博客等级 码龄19年 659粉丝 61原创
评论 2
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
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