博客作者完成了cs231n课程，并整理了学习笔记，涵盖Python Numpy教程、线性分类器、最优化、神经网络结构、训练技巧和卷积神经网络等内容。重点讨论了卷积层的优势、参数计算以及超参数调试。还提及了卷积层、池化、全连接层转换和可视化等话题。
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
最低0.47元/天 解锁文章
383
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
