![](https://img-blog.csdnimg.cn/20210215195936642.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
cs231n
文章平均质量分 92
主要是反思总结assignments,里面的coding和tricks
SUFE ctrl_F
这个作者很懒,什么都没留下…
展开
-
cs231n Assignment 1# two layer net详细答案及总结
Forward pass:这里没有任何技术上的难点,就是写了文件中loss函数中scores和loss部分。loss函数作用就是如果传入了y就返回loss和对所有w和b的梯度,这里在traning的时候调取。如果没有传入y,就只返回scores,在predict的时候调用。backward pass:这里写了loss函数中计算grads的部分,完成了loss函数的书写内容。...原创 2021-03-14 20:12:01 · 2713 阅读 · 0 评论 -
cs231n BP以及derivatives问题
前言:关于BP以及链式法则的意义不用多说,cs231n也专门提供了两个PDF,非常有用,建议看一下。一个是derivations BP and vectorization,讲述了不同维度输入输出之间如何求导。Derivatives, Backpropagation, and Vectorization另一个是 BP for a linear layer,解决了一半全连接层的BP问题,基本可以解决所有神经网络的BP问题。Backpropagation for a Linear Layer这两个链接原创 2021-03-13 00:06:48 · 211 阅读 · 0 评论 -
cs231n Assignment 1# SVM详细答案及总结
Assignment 1# SVM线性分类器简介:score function:loss function线性分类器简介:在这里的两个分类器SVM和softmax都是线性分类器,也是后序神经网络的基础。他由两部分组成:score function和loss function。前者通过WTx+bW^Tx+bWTx+b的线性方式计算出每一个图片向量对于不同类别的得分,后者则采用不同的loss对误差进行度量(SVM or softmax)。score function:对于一张高维的图片,首先还是将它伸原创 2021-03-12 19:23:29 · 1267 阅读 · 0 评论 -
CS231n lecture10 简单笔记
前言:个人感觉,后面几个章节相对知识性内容不是那么明显,更多像一种前沿领域的讲座lecture。并且没有lecture notes。所以有必要做一些笔记,用自己的语言记录,知识重组一下。summary:RNN是用来解决序列数据的神经网络,具有下面的几种类型。其中不同的类型有不同的实际应用。One to one 可以用于 image captioning 通过图片生成序列化的描述。Many to one 可以用于文本情感分析。Many to many 可以用于机器翻译。基础的vanilla RNN模原创 2021-02-28 12:01:37 · 166 阅读 · 0 评论 -
cs231n Assignment 1# KNN详细答案及总结
Assignment 1# KNNKNN分类器简介基本思路:超参数:Part OneTwo loop versionPart TwoOne loop versionTwo loop versionCross Validation预测函数cross validation函数KNN分类器简介基本思路:首先将目标图片(33232)伸展为一维的目标向量向量,然后比较目标向量和训练集中所有样本向量的“”距离“。找出其中距离最小(最相似)的K个样本,找到这些样本所属类别。找出其中最多的作为预测值。超参数:这是原创 2021-02-16 00:03:53 · 1009 阅读 · 1 评论