【CS231N】学习笔记---assignment1（自用）

Assigment1作业网址：https://cs231n.github.io/assignments2020/assignment1/
课程主页
http://cs231n.stanford.edu/index.html
课件下载
http://cs231n.stanford.edu/syllabus.html

Assigment1要求完成的作业为：
KNN;SVM;softmax分类器；一个简单的两层神经网络的实现

注：PASS为占位语句

KNN

1. 训练过程
   KNN的训练过程只是简单的记住数据的过程。
   时间复杂度为O（n）

 Inputs:
        - X: A numpy array of shape (num_train, D) containing the training data
          consisting of num_train samples each of dimension D.
        - y: A numpy array of shape (N,) containing the training labels, where
             y[i] is the label for X[i].
             #输入的X为N*D的样本：N为样本大小，D为每个样本有D维
             #输入的Y为1*N的样本，N为样本大小

2. 训练过程
   1. 计算测试图像和训练集所有图像的L2距离，（其中有是双循环，单循环，无循环三种方法）；

双循环：即将训练和测试集都看成一维的

dists[i,j] = np.sqrt(np.sum(np.square