cs231n spring 2017 lecture5 Convolutional Neural Networks听课笔记
1. 之前课程里，一个32*32*3的图像被展成3072*1的向量，左乘大小为10*3072的权重矩阵W，可以得到一个10*1的得分，分别对应10类标签。在Convolution Layer里，图像保持原样，依旧是32*32*3，把它和一个5*5*3的filter进行卷积运算（filter和原图像有...
cs231n spring 2017 lecture16 Adversarial Examples and Adversarial Training
（没太听明白，以后再听）1. 如何欺骗神经网络？这部分研究最开始是想探究神经网络到底是如何工作的。结果人们意外的发现，可以只改变原图一点点，人眼根本看不出变化，但是神经网络会给出完全不同的答案。比如下图，左边的熊猫被识别成熊猫，但是加上中间的小“噪音”一样的数值，右图的熊猫就识别不出来了。而且这个小...
(Review cs231n) Object Detection
目标：我们有几个类别，然后我们要在这张图中找到这些类的所有实例解决思路：是否可以按照回归的思路进行求解呢？但是受限制于确定的种类输出问题。方法：分类和回归是解决问题的两个套路，我们现在对于目标的探测问题不把它看作是回归问题，而是看作是分类问题。所以我们将一张图片的一部分作为分类器的输入，进行判断；再...
『cs231n』作业2选讲_通过代码理解Dropout
Dropoutdef dropout_forward(x, dropout_param): p, mode = dropout_param['p'], dropout_param['mode'] if 'seed' in dropout_param: np.random.s...
Cs231n课堂内容记录-Lecture2-Part1 图像分类
Lecture 2课程内容记录：（上）https://zhuanlan.zhihu.com/p/20894041?refer=intelligentunit（下）https://zhuanlan.zhihu.com/p/20900216numpy文档翻译：https://zhuanlan.zhihu...
Stanford CS231n实践笔记（课时22卷积神经网络工程实践技巧与注意点 cnn in practise 上）
本课主要2个实践内容：1、keras中数据集丰富，从数据集中提取更多特征（Data augmentation）2、迁移学习（Tranform learning）代码：https://github.com/jsxyhelu/DateSets1、keras中数据集丰富，从数据集中提取更多特征（Data ...
(Review cs231n) Optimized Methods
Mini-batch SGD的步骤：1.Sample a batch of data2.Forward prop it through the graph，get loss3.backprop to calculate the gradient4. updata the parameters usi...
斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时6
课时6 线性分类器损失函数与最优化（上） 多类SVM损失：这是一个两分类支持向量机的泛化 SVM损失计算了所有不正确的例子，将所有不正确的类别的评分，与正确类别的评分之差加1，将得到的数值与0作比较，取两者中的最大值。然后将所有的数值进行求和。用平均值来代替不会影响结果。 这些评分都是无标度的，...
神经网络六：深度学习斯坦福cs231n 课程笔记
先特此声明，本文为转载博客，原博客详见深度学习斯坦福cs231n 课程笔记。 前言 对于深度学习，新手我推荐先看UFLDL，不做assignment的话，一两个晚上就可以看完。毕竟卷积、池化啥的并不是什么特别玄的东西。课程简明扼要，一针见血，把最基础、最重要的点都点出来 了。 cs231n这...
斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时8&&9
课时8 反向传播与神经网络初步（上） 反向传播在运算连路中，这是一种通过链式法则来进行递推的计算过程，这个链路中的每一个中间变量都会对最终的损失函数产生影响。 链式法则通常包含两部分，局部梯度和后一层的梯度相乘 前向和反向花费的时间是基本一样的。 大的函数也可以直接视作一个整体计算梯度 当局部梯度...
斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时1
课时1 计算机视觉历史回顾与介绍上 CS231n：这一一门关于计算机视觉的课程，基于一种专用的模型架构，叫做神经网络（更细一点说，是卷积神经网络CNN）。计算机视觉是人工智能领域中发展最为迅猛的一个分支，是一个与很多领域紧密关联的学科。 视觉信息，或者叫像素信息是最难被利用的信息，可以把它称之为“互...
CS231n 斯坦福深度视觉识别课 学习笔记(完结)
课程地址 第1章 CS231n课程介绍 ---1.1 计算机视觉概述 这门课的主要内容是计算机视觉.它是一门需要涉及很多其他科目知识的学科. 视觉数据占据了互联网的绝大多数,但是它们很难利用. ---1.2 计算机视觉历史背景 为了获得一副3D图像,我们需要经历原始图像(端点,曲线,边缘)->...
斯坦福CS231n—深度学习与计算机视觉----学习笔记 课时14&&15
课时14 卷积神经网络详解（上） CNN处理的是一些数据块，在这之间有很多层，一系列的层将输入数据变换为输出数据，所以完成操作的中间量不仅是NN时候讲的那些向量，而是立体结构，有宽，高和深度，在整个计算过程中要保持这些三维特征。这里的深度指的是一个数据体的第三个维度。 工作流程 我们得到一些数据，作...
斯坦福CS231n学习
课程主页：CS231n: Convolutional Neural Networks for Visual Recognition 关注其：Course Project主页 视频学习：云课堂 斯坦福CS231n—深度学习与计算机视觉 助教：Andrej Karpathy 斯坦福CS231n学...
cs231n学习笔记——lecture6 Training Neural Networks
该博客主要用于个人学习记录，部分内容参考自：[基础]斯坦福cs231n课程视频笔记(三) 训练神经网络、【cs231n笔记】10.神经网络训练技巧(上)、CS231n学习笔记-训练神经网络、整理学习之Batch Normalization（批标准化）、CS231n-2022 Module1: 神经网...
CS231n笔记 Lecture 10, Recurrent Neural Networks
Recaption on CNN Architecture Although Serena is very beautiful, Justin is a better lecturer. Love him. Recurrent Neural Network Meant to process sequ...
斯坦福CS231N机器学习笔记
斯坦福CS231N课程学习经过多方面的查找资料，对比学习，发现了一个很好的机器学习的课程，斯坦福CS231N课程，课程链接见：http://cs231n.stanford.edu/，课程的大纲和课程表见：http://cs231n.stanford.edu/syllabus.html，里面有课程中用...
cs231n spring 2017 lecture16 Adversarial Examples and Adversarial Training 听课笔记
（没太听明白，以后再听）1. 如何欺骗神经网络？这部分研究最开始是想探究神经网络到底是如何工作的。结果人们意外的发现，可以只改变原图一点点，人眼根本看不出变化，但是神经网络会给出完全不同的答案。比如下图，左边的熊猫被识别成熊猫，但是加上中间的小“噪音”一样的数值，右图的熊猫就识别不出来了。而且这个小...
『cs231n』计算机视觉基础
线性分类器损失函数明细：『cs231n』线性分类器损失函数最优化Optimiz部分代码：1.随机搜索bestloss = float('inf') # 无穷大for num in range(1000): W = np.random.randn(10, 3073) * 0.0001 l...
『cs231n』通过代码理解风格迁移
『cs231n』卷积神经网络的可视化应用文件目录vgg16.pyimport osimport numpy as npimport tensorflow as tffrom download import exist_or_downloadmodel_url = 'https://s3.amazon...