CS231n的课后作业非常的好，这里记录一下自己对作业一些笔记。 一、第一个是KNN的代码，这里的trick是计算距离的三种方法，核心的话还是python和machine learning中非常实用 ...

第二个作业难度很高，但做（抄）完之后收获还是很大的.... 一、Fully-Connected Neural Nets 首先是对之前的神经网络的程序进行重构，目的是可以构建任意大小的全连接 ...

cs231n2016冬季课程作业完成，在原先的基础上进行了翻译和中文注释，同时增加了16之后版本的部分新作业文件，已经全部跑通，需要的欢迎自取。 斯坦福大学的 CS231n（全称：面向视觉识别 ...

终于来到了最终的大BOSS，卷积神经网络~ 这里我想还是主要关注代码的实现，具体的CNN的知识点想以后在好好写一写，CNN的代码关键就是要加上卷积层和池话层. 一、卷积层 　　卷积层的前向传播还 ...

一、参数更新策略 　　　 1.SGD 　　也就是随机梯度下降，最简单的更新形式是沿着负梯度方向改变参数（因为梯度指向的是上升方向，但是我们通常希望最小化损失函数）。假设有一个参数向量x ...

本博客内容来自 Stanford University CS231N 2017 Lecture 2 - Image Classification 课程官网：http://cs231n.stanfor ...

本博客内容来自 Stanford University CS231N 2017 Lecture 3 - Loss Functions and Optimization 课程官网：http://cs2 ...