![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
cs231n
文章平均质量分 92
EmpGro
这个作者很懒,什么都没留下…
展开
-
【2017年cs231n学习笔记3】Lecture4-1 反向传播
在原课程视频中,lecture4讲解了反向传播及一部分神经网络的内容,但是“反向传播”(Backpropagation)作为神经网络计算的基础太过重要了,于是在笔记中我将反向传播单独拿出来,结合自己查资料的理解,做了一些记录,希望读这篇文章的人能得到一些帮助。原创 2017-11-09 20:03:24 · 399 阅读 · 0 评论 -
【2017年cs231n学习笔记2】Lecture3 损失函数 最优化
这节课的主要内容: 1. 定义一个损失函数(loss function),用将训练集代入其中获得的评分来量化W的好坏。 2. 找到一个高效的方法来寻找使损失函数最小的W,(我们称其为最优化optimization)损失函数首先我们定义损失函数的一般形式: 对于一个数据集 Xi代表输入进入分类器的图像像素数据,Yi代表你希望得出的标签。 我们定义其损失函数的一般形式为: 损失函数定原创 2017-11-06 18:25:33 · 1340 阅读 · 0 评论 -
【2017年cs231n学习笔记1】Lecture2 K近邻 距离度量 超参数 交叉验证 线性分类器
这是2017年,斯坦福大学,李飞飞教授及其博士生讲授的CS231n课程的第二节,主要内容是KNN算法、距离度量算法、超参数的选择方法、线性分类器的简单介绍。 所有图像来自课程ppt,内容来自课程视频。 全文都是看英文字幕所得,如有翻译转诉不恰当之处请包涵。原创 2017-11-05 23:36:24 · 453 阅读 · 0 评论