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
电玩女神相关 深度学习斯坦福cs231n 课程笔记
前言 对于[深度学习][Link 1]，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
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][
系统管理员相关 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
╰+哭是因爲堅強的太久メ相关 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
Bertha 。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
你的名字相关 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...