cs231n斯坦福基于卷积神经网络的CV学习笔记（一）KNN和线性分类器/分类器损失/反向传播

绪论：随着计算能力和数据量的提高，出现PASCAL和ImageNet高质量的数据集，使得神经网络成为可能（训练）

一，KNN图像分类算法

1. python+Numpy基础
   可参看https://zhuanlan.zhihu.com/p/20878530?refer=intelligentunit
2. 图像分类任务是很困难的
3. 运用数据集CIFAR10，实现最邻近算法分类（缺点：训练时间很短，但测试时间很长）
   
4. K最近邻算法，找出K个最近点（曼哈顿距离或欧氏距离），选取投票最多的，K&Distance是超参数

如何选取K和距离指标

#在图像上KNN不常用，测试时间长，向量化距离用于比较图像不常用

二，线性分类器

单独的线性边界划分