吐槽：我為啥學這個
學這門課之前，到官網(要科學上網哦)查了下相關資訊，有部分需求
要求1，得會 python 且熟悉 c/c++,其實我是不會 python 的，但語言只是一種工具，不該成為鴻溝，且這麼流行的語言上手也不應該難吧(盲目自信一把)。要求2，微積分和線性代數，嗯，這個不是問題。要求3，概率統計，也不是問題。把大學的高等數學和線性代數看下就好了嘛。要求4，cs229課程(機器學習)的知識，這特麼。。。，還真是個問題，轉回去在網易雲課堂上重新學習了該課程，做了下練習，對機器學習有了大致印象，話說做練習還是蠻重要的。好了，萬事俱備，接下來就直接開始啦。
CS231n 學習筆記（五）
注意 在計算機上計算梯度的乙個簡單方法是有限差分法 迭代計算所有w維度，一直重複下去直到計算完dw。這種方法是數值梯度法，過程非常慢。實際上，我們會使用另一種分析梯度法，提前計算出梯度的表示式 除錯策略 使用數值梯度作為單元測試來確保解析梯度是正確的 梯度下降演算法 注意 隨機梯度下降 之前我們定義...
cs231n筆記總結
cs231n的課程以及作業都完成的差不多了，後續的課程更多的涉及到卷積神經網路的各個子方向了，比如語義分割 目標檢測 定位 視覺化 遷移學習 模型壓縮等等。assignment3有涉及到這些中的一部分，但需要深入了解的話還是得看 了。所以在看 前把之前已學的知識，筆記和作業 一起做個整理。部落格裡主...
CS231n理解筆記
linear classification notes 該方法的組成 乙個是評分函式 原始影象資料到類別分值的對映 乙個是損失函式 用來量化 分類標籤的得分和真實標籤之間的一致性。影象分類的任務是從已有的固定分類標籤中選擇乙個並分配一張影象，我們介紹了knn分類器，該分類器的基本思想是通過將測試影象...