cs231n笔记总结
cs231n的课程以及作业都完成的差不多了,后续的课程更多的涉及到卷积神经网络的各个子方向了,比如语义分割、目标检测、定位、可视化、迁移学习、模型压缩等等。assignment3有涉及到这些中的一部分,但需要深入了解的话还是得看论文了。所以在看论文前把之前已学的知识,笔记和作业代码一起做个整理。
博客里主要是自己在这个过程中做的笔记,其中很多直接贴的知乎上的翻译版note,作业放在github上https://github.com/PanXiebit/cs231n.git
01.Python Numpy Tutorial
- dict中元素的访问
- lambda\ reduce\enumerate的使用
- element wise\dot()\multiply的区别
- broadcasting 广播机制,这个很重要
- scipy 科学计算库,这里主要用到的是图像处理
- matplotlib
02.线性分类器
- 线性分类器的原理及解释
- 两种损失函数SVM和softmax
- 范式正则化
03.最优化-求梯度
- 损失函数可视化
- 有限插值法求梯度
- 微分法求梯度:以softmax为例进行了推导
04.logistic回归以及反向传播
05.神经网络的结构
- 神经网络的生物理解
- 常用激活函数sigmoid\relu\tanh
- 神经网络层数越多越好吗?
- 神经网络层数以及神经元的个数
06.训练一个神经网络1
batch_size\iteration\epoch区别
07.训练一个神经网络2
- 数据预处理
- 归一化、降维
- 权重参数初始化
- 批量归一化 Batch Normalization
- 正则化
- L1,L2正则化
- Dropout和反向Dropout
- 属性分类:一个样本有多个标签
- 偏差和方差
08.训练一个神经网络3-优化算法optimal
- sgd
- momentum
- RMSprop
- Adam
- 学习率衰减
- 局部最优化local optimal(貌似最近在微信上看到一篇文章将怎么避开鞍点的)
09.训练神经网络4-超参数调试
- 超参数调试技巧
- Batch Normalizaton再解析
10.训练神经网络5-小技巧
- 狠狠狠重要,狠狠狠玄学
11.卷积神经网络
- 卷积层
- 卷积层为啥好:参数共享、稀疏连接
- 参数计算
- padding
- 1x1 convolution
- pooling
- 全连接层和卷积层的转换
- Cpython加速
12.检测、定位、分割
13.可视化及可解释性
cs231n笔记总结相关推荐
- cs231n笔记:线性分类器
cs231n线性分类器学习笔记,非完全翻译,根据自己的学习情况总结出的内容: 线性分类 本节介绍线性分类器,该方法可以自然延伸到神经网络和卷积神经网络中,这类方法主要有两部分组成,一个是评分函数(sc ...
- CS231n笔记-CNN网络结构
所有图片来自PPT官网Index of /slides/2022 代码:Batch Normalization和Dropout_iwill323的博客-CSDN博客 目录 全连接层存在的问题 卷积层 ...
- cs231n笔记--到底什么是梯度消散
笔记来自 CS231n Winter 2016: Lecture 4: Backpropagation, Neural Networks 内容 地址为:http://www.microsofttran ...
- cs231n笔记5—反向传播/神经网络
反向传播 神经网络 反向传播 问题陈述:这节的核心问题是,给定函数f(x),其中x是输入数据的向量,需要计算函数f关于x的梯度,也就是∇f(x). 反向传播是利用链式法则递归计算表达式的梯度的方法.理 ...
- cs231n笔记阅读
学习要趁早,结果就是现在资源已经下架了 感谢https://blog.csdn.net/hwl19951007/article/details/81570225的整理 本篇文章只是个人学习的过程,划了 ...
- 斯坦福李飞飞CS231n笔记1计算机视觉概述与历史背景
历史背景 视觉处理是始于视觉世界的简单结构,面向边缘,沿着视觉处理途径的移动,信息也在变化,大脑建立了复杂的视觉信息,直到可以识别更为复杂的视觉世界 1.block world 视觉世界被简化为简单的 ...
- Cs231n笔记--图像分割和目标检测
所有图片均来自官方PPT网站Index of /slides/2022 目录 语义分割Semantic Segmentation 方法推演 上采样 转置卷积 Object Detection Sing ...
- cs231n笔记:lecture2,lecture3
image classification 图像分类问题就是为输入图像从一组给定的类别中为其分配一个标签的问题,这是计算机视觉领域的核心任务之一,尽管他很简单但却有很多种实际应用,许多看似不同的其他计算 ...
- CS231n笔记十:循环神经网络
一.循环神经网络 Recurrent nerual network 特点:输入/输出是长度可变的序列.在CV中,最常见的RNN的应用领域就是视频处理(如many to one的RNN,可以输入一段视频 ...
最新文章
- 几种常用 JSON 库性能比较
- Vuforia Android 6 Camera Error
- Python——反射
- android 观察者的框架,Android 架构师7 设计模式之观察者模式
- 解决 webpack-dev-server 不能使用 IP 访问
- 其实我就是个技术迷-自身定位及展望
- Leetcode--3. 无重复字符的最长子串
- 病毒周报(080901至080907)
- AutoResetEvent 与 ManualResetEvent
- 计算机组成原理——第三章
- 互联网的三大巨头 百度 阿里巴巴 腾讯(BAT)
- 同步电机是如何达到同步的?工作原理是什么?
- Maix Bit(K210) 裸机开发教程(六)摄像头使用
- 华为升级emui10是鸿蒙系统吗,华为鸿蒙正式发布,EMUI10.0即将登场,你需要这份升级名单吗?...
- python request 报错 #No JSON object could be decoded
- c语言编程新思路知道答案,C语言编程新思路知道答案公众号
- 国庆 深圳游玩 路线规划之南山区
- react将表格动态生成视频列表【代码】【案例】
- Abnormal Activity Detection Using Pyroelectric Infrared Sensors
- Burp Suite测试小程序,设置代理之后手机一直连不上网