发表评论取消回复
相关阅读
相关 计算机视觉 CS231n Course Introduction
CS231n是非常经典的计算机视觉课程,为了方便新手学习,尤其是英文不好的同学,特意将该课程亲自翻译成中文,希望能对大家学习CV有一定的帮助。 CS231n每一年都有
相关 cs231n学习笔记-激活函数-BN-参数优化
版权声明:本文为博主原创文章,未经博主允许不得转载。 目录[(?)][Link 1][\[+\]][Link 1] 1. 机器学习流程简介 1)一次性设置(One
相关 深度学习与计算机视觉[CS231N] 学习笔记(4.1):反向传播(Backpropagation)
在学习深度学习的过程中,我们常用的一种优化参数的方法就是梯度下降法,而一般情况下,我们搭建的神经网络的结构是:输入→权重矩阵→损失函数。如下图所示。 ![这里写图片描述][
相关 深度学习与计算机视觉[CS231N] 学习笔记(3.3):函数优化(梯度下降法)
首先,想象一下这个场景,当我们处在一个山坡上的某一点,我们想要以最近的距离、最短的时间到达坡底,我们应该怎么做呢? 将这个问题抽象出来,就是本文要讨论的梯度下降法。在高数的
相关 深度学习与计算机视觉[CS231N] 学习笔记(3.2):Softmax Classifier(Loss Function)
在数学,尤其是概率论和相关领域中,Softmax函数,或称归一化指数函数,是逻辑函数的一种推广。它能将一个含任意实数的K维的向量z“压缩”到另一个K维实向量α(z)中,使得每一
相关 深度学习与计算机视觉[CS231N] 学习笔记(3.1):损失函数(Loss Function)
在上一节的线性回归的例子中,我们通过一定的矩阵运算获得了每张图像的最终得分(如下图),可以看到,这些得分有些是比较好的预测,有些是比较差的预测,那么,具体如何定义“好”与“差”
相关 深度学习与计算机视觉[CS231N] 学习笔记(2.3):线性回归(Linear Classification)
本次我们基于线性回归的图像分类算法,采用的数据集合是CIFAR10,具体信息如下图所示。 ![这里写图片描述][SouthEast] 参数化方法:线性回归 如下图所
相关 深度学习与计算机视觉[CS231N] 学习笔记(2.2):K-近邻算法(K-Nearest Neighbors)
第一个分类器算法:最近邻(Nearest Neighbor) 首先我们介绍第一个分类器算法——最近邻。这是一种十分简单且易于理解的算法,算法主要分两步: 1. 存储所
相关 深度学习与计算机视觉[CS231N]学习笔记(2.1):图像分类
问题目标 图像分类是计算机视觉领域中一个较为基础的问题,它的目标是根据事先定义好的图像类别,将输入图像划分到对应的类别当中去。(目前,在最著名的ILSVRC挑战赛当中,计
相关 深度学习与计算机视觉[CS231N]:计算机视觉与深度学习/卷积神经网络
第一讲 | 视觉识别和卷积神经网络简介 斯坦福大学开设的“用于视觉识别的卷积神经网络([YouTube链接][YouTube])”(Convolutional Ne
还没有评论,来说两句吧...