CS231N——图像分类（课时4）

图像分类概念：输入图片，判断是什么类别（已有类别集合）
图像分类难点：

数据驱动类算法思路：
1）准备数据：从搜索引擎爬取大量需要的数据，进行数据清洗，标注。
2）选择算法。
3）训练。
4）测试。

KNN（k近邻）
数据集CIFAR-10（http://www.cs.toronto.edu/~kriz/cifar.html）
60000张32X32的小图像。每张图像都有10种分类标签（飞机，汽车，轮船，卡车，鸟，猫，狗，鹿，青蛙，马）中的一种。训练集：50000张，测试集：10000张。
算法：训练 O(1)测试则是O（n），和实际需求相反

数据集（训练集，验证集，测试集）
超参数(hyper parameter)选择，可能会尝试不同的值，通过多次训练，取得验证集上最佳的效果

测试集只在最后用
一般训练数据分作，验证集和训练集两部分，使用验证集对所有超参数调优，最后只在测试集上跑一次报告结果。

交叉验证：当训练数据太少 将数据分作5份，只取其中的一份作为验证，然后循环取4份进行训练。然后取5次验证结果的平均值作为算法的验证结果