cs231n学习记录-1环境配置

(本系列博客主要目的是学习记录,参考的网址、引用的图片等,若介意,保证侵删)

主要参考网址:

https://www.zhihu.com/search?type=content&q=cs231n%E7%8E%AF%E5%A2%83%E9%85%8D%E7%BD%AE

本人环境:

win10+64位+1060

 

0、以assignment1为例说明,首先下载作业代码

1、安装anaconda3,自带jupyter notebook

去官网下载anaconda3,安装过程很简单,直接下一步下一步,但是有一步记得勾选“添加anaconda到系统环境变量”

2、在anaconda3中安装python2

打开Anaconda prompt,输入:

conda create -n py2 python=2  #py2可以改为任意名字,只是作为Python2的代号

安装完成后激活python2环境:

conda activate py2

3、为某一项目/作业建立一个虚拟环境,首先安装virtualenv库:

pip install virtualenv
cd /d my_project_folder #(将路径转换为作业路径)
virtualenv my_project #(建立虚拟环境,名字自定)

4、激活环境

my_project\Scripts\activate

5、从cs231n上下载下来的作业,里面包含文件requirements.txt

pip install -r assignment1/requirements.txt #根据所在目录确定requirements.txt的位置

(温馨提示:作业提供的库有许多是不适合用于windows系统中,自己删掉就好,每个库还带有对应的版本,我也将其删掉了,这才可以顺利的全部安装)

(具体过程:

1、作业文件夹里的requirements.txt里给了两个版本的pillow,本人是注释掉了最后一行的pillow==3.1.0

2、第12行的gnureadline==6.3.3不适用于windows系统,根据提示安装适合win10的相应包~报错信息那里会给提示

3、traitlets==4.0.0提示我版本不合适,改成了traitlets==4.3.1

4、第37行的scipy==0.16.1,注释掉。win10下scipy需要单独安装。我参考的网址是下面这个,最终安装成功:https://blog.csdn.net/qq_39521554/article/details/79929558

 

 

 

 

 

 

 

6、给jupyter notebook添加Python2的内核:

安装ipykernell :

pip install ipykernel
python -m ipykernel install --user

7、安装好了,退出环境:

my_project\Scripts\deactivate

8、下载CIFAR-10数据库:http://www.cs.toronto.edu/~kriz/cifar.html。解压到cs231n/datasets目录下

9、最后进入jupyter notebook 切换python2的kernel

切换jupyter notebook初始目录的方法:(cmd命令,输入jupyter notebook --generate-config找到.jupyter文件夹的位置,打开,找到里面的配置文件jupyter_notebook_config.py,找到路径那一行,将自己的代码路径放进去)

https://www.zhihu.com/question/31600197/answer/90214029

 

完成。

 

 

 

深度学习-面向视觉识别的卷积神经网络,2016斯坦福大学公开课。课程介绍: 计算机视觉在社会中已经逐渐普及,并广泛运用于搜索检索、图像理解、手机应用、地图导航、医疗制药、无人机和无人驾驶汽车等领域。而这些应用的核心技术就是图像分类、图像定位和图像探测等视觉识别任务。近期神经网络(也就是“深度学习”)方法上的进展极大地提升了这些代表当前发展水平的视觉识别系统的性能。 本课程将深入讲解深度学习框架的细节问题,聚焦面向视觉识别任务(尤其是图像分类任务)的端到端学习模型。在10周的课程中,学生们将会学习如何实现、训练和调试他们自己的神经网络,并建立起对计算机视觉领域的前沿研究方向的细节理解。最终的作业将包括训练一个有几百万参数的卷积神经网络,并将其应用到最大的图像分类数据库(ImageNet)上。我们将会聚焦于教授如何确定图像识别问题,学习算法(比如反向传播算法),对网络的训练和精细调整(fine-tuning)中的工程实践技巧,指导学生动手完成课程作业和最终的课程项目。本课程的大部分背景知识和素材都来源于ImageNet Challenge竞赛。 主讲人: 李飞飞,斯坦福大学计算机科学系副教授。担任斯坦福大学人工智能实验室和视觉实验室主任,主要研究方向为机器学习、计算机视觉、认知计算神经学。她在TED上的演讲,如何教计算机理解图片。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值