cs231n
weixin_39223665
这个作者很懒,什么都没留下…
展开
-
cs231n---线性分类教程(第二弹)
损失函数 Loss function第一弹中我们定义了从图像像素值到所属类别的评分函数(score function),该函数的参数是权重矩阵。在函数中,数据是给定的,不能修改。但是我们可以调整权重矩阵这个参数,使得评分函数的结果与训练数据集中图像的真实类别一致,即评分函数在正确的分类的位置应当得到最高的评分(score)。回到之前那张猫的图像分类例子,它有针对“猫”,“狗”,“船”三个类别的分数...转载 2018-03-09 10:23:02 · 275 阅读 · 0 评论 -
cs231n---Python Numpy教程(第三弹)---终
下面介绍一下SciPynumpy提供了高性能得多维数组,以及计算和操作数组得基本工具。SciPy基于numpy,提供了大量得计算和操作数组得函数,这些函数对于不同类型得科学和工程计算非常有用。熟悉SciPy的最好方法就是阅读文档。这里强调得是对于本课程有用的部分。图像操作SciPy提供了一些操作图像得基本函数。比如,将图像从硬盘读入到数组得函数,也提供了将数组中数据写入到硬盘成为图像得函数:# S...转载 2018-03-02 16:40:47 · 472 阅读 · 0 评论 -
cs231n---Python Numpy教程(第二弹)
Numpy库:它提供了高性能的多维数组对象,以及相关工具。数组array一个numpy数组是一个由不同数值组成的网格。网格中的数据都是同一种数据类型,可以通过非负整型数的元组来访问。维度的数量成为数组的阶。数组大小是一个由整型数构成的元组,可以描述数组不同维度上的大小。从列表创建数组,利用方括号[]访问其中元素:# 数组arrayimport numpy as npa = np.array(...转载 2018-03-01 11:09:14 · 534 阅读 · 0 评论 -
cs231n---Python Numpy教程(第一弹)
基本数据类型(代码基于Python 3)和大多数编程语言一样,拥有基本数据类型:整型,浮点型,布尔型和字符串等数字:整型与浮点型的使用与其他语言类似x = 3print(type(x))print (x)y = 2.5print(type(y))print(y, y + 1, y * 2, y ** 2)布尔型:实现所有的布尔逻辑用的是英语而不是操作符(&&,||)t =...转载 2018-02-27 20:37:19 · 808 阅读 · 0 评论 -
cs231n---线性分类教程(第三弹)-终
Softmax分类器SVM是最常用的两个分类器之一,而另一个就是Softmax分类器,它的损失函数与SVM的损失函数不同。对于学习过二元逻辑回归分类器的读者来说,Softmax分类器就可以理解为逻辑回归分类器面对多个分类的一般化归纳。SVM将输出作为每个分类的评分(因为无定标,所以难以直接解释)。与SVM不同,Softmax的输出(归一化的分类概率)更加直观,并且从概率上可以解释,这一点后文会讨论...转载 2018-03-11 22:26:24 · 203 阅读 · 0 评论 -
cs231n---图像分类笔记(第一弹)
图像分类目标:已有固定分类标签集合,对输入的图像,从分类标签集合中找出一个分类标签,最后把分类标签分配给该输入图像。这是计算机视觉领域核心问题之一。后面许多看似不同的问题(物体检测和分割)都可被归结为图像分类困难和挑战:视角变化(Viewpoint variation)大小变化(Scale variation)形变(Deformation)遮挡(Occlusion)光照条件(Illuminatio...转载 2018-03-04 20:27:02 · 366 阅读 · 1 评论 -
cs231n---图像分类笔记(第二弹)--终
k-NN分类器需要设定k值,选择哪个k值最合适呢?我们选择不同距离函数,如L1范数和L2范数等,选哪个好?还有不少选择我们甚至连考虑都没有考虑到(比如:点积)。所有这些选择,被称为超参数(hyperparameter)。在基于数据进行学习的机器学习算法设计中,超参数是很常见的。这些超参数具体怎么设置或取值并不显而易见。特别注意:决不能使用测试集来进行调优。会造成算法对测试集过拟合。测试数据集只使用...转载 2018-03-04 20:59:05 · 185 阅读 · 0 评论 -
cs231n---线性分类教程(第一弹)
上一篇笔记介绍的图像分类问题,我们分析了NN的优缺点,所以我们需要一种更强大的方法来解决图像分类问题,该方法可以自然地延伸到神经网络和卷积神经网络上。这种方法主要有两部分:评分函数(score function),它是原始图像数据到类别分值的映射。损失函数(loss function),它是用来量化预测分类标签的得分与真实标签之间一致性的。该方法可转化为一个最优化问题,在最优化过程中,将通过更新评...转载 2018-03-05 20:33:59 · 218 阅读 · 0 评论 -
cs231n---最优化Optimiazation Note(第一弹)
简介上一节中,介绍了图像分类任务中的两个关键部分:1. 基于参数的评分函数。该函数将原始图像像素映射为分类评分值(例如:一个线性函数)。2. 损失函数。该函数能够根据分类评分和训练集图像数据实际分类的一致性,衡量某个具体参数集的质量好坏。损失函数有多种版本和不同的实现方式(例如:Softmax或SVM)。上节中,线性函数的形式是,而SVM实现的公式是:对于图像数据,如果基于参数集做出的分类预测与真...转载 2018-04-01 17:09:42 · 218 阅读 · 0 评论