CS231n 课程作业 Assignment One（一）配置与题目分析（0807）

Assignment One

在本作业中，您将练习根据k最近邻居或SVM / Softmax分类器来组合一个简单的图像分类管道。 该任务的目标如下：

了解基本的图像分类管道和数据驱动方法（训练/预测阶段）
了解训练/验证/测试拆分以及将验证数据用于超参数调整。
熟练使用numpy编写高效的矢量化代码
实施并应用k最近邻（kNN）分类器
实现并应用多类支持向量机（SVM）分类器
实施并应用Softmax分类器
实现并应用两层神经网络分类器
了解这些分类器之间的差异和权衡
通过使用高级表示（而不是原始像素）来基本了解性能提升， 颜色直方图，梯度直方图（HOG）功能等。

一、前提–环境调制与数据集

1）安装Assignment 1所需要的库（在虚拟环境cs231n中）
pip install -r D:\CS231nAssignment1\assignment1\requirements.txt
2）下载CIFAR-10数据库解压到assignment1/cs231n/datasets目录下
3）打开Anaconda Prompt，输入：jupyter notebook --generate-config
注意选择我们建立的虚拟环境cs231n
4）到这个目录下去：C:\Users\Administrator.jupyter

找到配置默认打开路径的语句： The directory to use for notebooks and kernels.

解开注释，填入放置代码的位置（注意双斜杠）
打开Anaconda Prompt，输入：jupyter notebook（在cs231n中）

至此，配置完成

二、任务清单

Q1：k最近邻分类器
knn.ipynb，实现kNN分类器。

Q2：训练支持向量机
笔记本svm.ipynb将引导您实现SVM分类器。

Q3：实施Softmax分类器
softmax.ipynb实现Softmax分类器。

Q4：两层神经网络
two_layer_net.ipynb完成两层神经网络分类器的实现。

Q5：高级表示形式：图像功能
features.ipynb将检查通过使用更高级别的表示（而不是使用原始像素值）获得的改进。

工作总结