CS231n 笔记汇总

最新推荐文章于 2025-06-06 10:07:55 发布
原创 最新推荐文章于 2025-06-06 10:07:55 发布 · 1.1w 阅读 · 33 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

CS231n 笔记汇总

http://cs231n.github.io/convolutional-networks/

CS231n的全称是CS231n: Convolutional Neural Networks for Visual Recognition，即面向视觉识别的卷积神经网络。该课程是斯坦福大学计算机视觉实验室推出的课程。需要注意的是，目前大家说CS231n，大都指的是2016年冬季学期（一月到三月）的最新版本。

所有笔记汇总
https://zhuanlan.zhihu.com/p/21930884

图像分类笔记

上篇

https://zhuanlan.zhihu.com/p/20894041?refer=intelligentunit

下篇

https://zhuanlan.zhihu.com/p/20900216?refer=intelligentunit

线性分类笔记

上篇

https://zhuanlan.zhihu.com/p/20918580?refer=intelligentunit

中篇

https://zhuanlan.zhihu.com/p/20945670?refer=intelligentunit

下篇

https://zhuanlan.zhihu.com/p/21102293?refer=intelligentunit

最优化笔记

上篇

https://zhuanlan.zhihu.com/p/21360434?refer=intelligentunit

下篇

https://zhuanlan.zhihu.com/p/21387326?refer=intelligentunit

反向传播笔记

https://zhuanlan.zhihu.com/p/21407711?refer=intelligentunit

神经网络笔记1

上篇

https://zhuanlan.zhihu.com/p/21462488?refer=intelligentunit

下篇

https://zhuanlan.zhihu.com/p/21513367?refer=intelligentunit

神经网络笔记2

https://zhuanlan.zhihu.com/p/21560667?refer=intelligentunit

神经网络笔记 3

上篇

https://zhuanlan.zhihu.com/p/21741716?refer=intelligentunit

下篇

https://zhuanlan.zhihu.com/p/21798784?refer=intelligentunit

卷积神经网络

https://zhuanlan.zhihu.com/p/22038289?refer=intelligentunit

cs231N中文版笔记
01-12
来自知乎专栏。。我保存成pdf了，A4大小，方便打印。分享给各位。 深度学习；计算机视觉。 斯坦福大学李飞飞计算机视觉公开课笔记，翻译版本。
cs231n笔记
weixin_40286308的博客
09-15 203
2.1. 图像分类 - K最近邻算法 k最近邻算法： 图中的点是输入的训练数据以及lable（蓝色，红色，黄色。。。。），然后整个图的染色过程就是测试过程。 该算法采用列举k个最近的数据，然后按多数的vote来预测测试点的lable。图中的白色部分就是vote失败的部分，比如票数相等。 可以用更复杂的改进法，比如不单单是一点一票，而是按距离加权。 L1、L2距离： L1距离取决于你选的坐标系统，所以如果你旋转坐标轴，就会改变点之间的L1距离；而L2距离是不随坐标轴改变的。 所以如果你输入的特征向量中的某
CS231n课程讲义：从基础知识到深度学习技术在计算机视觉中的应用
最新发布
weixin_31486261的博客
06-06 759
在讨论图像处理之前，我们需要明确两个基本概念：像素和色彩空间。像素（Pixel），即图像元素，是构成图像的最小单位。一幅数字图像可以看作是一个由成千上万个点组成的矩阵，每个点就是我们所说的像素，每个像素都具有特定的位置和值。这些值可以表示该像素的颜色和亮度等信息。色彩空间，是用来表示和记录图像中颜色信息的数学模型。常见的色彩空间包括RGB（红绿蓝）、CMYK（青色、品红、黄色、黑色）、HSV（色相、饱和度、明度）等。
CS231n 笔记 神经网络可视化（上）
iwill323的博客
08-23 751
Cs231n 2022年PPT 笔记 dimensionality reduction, maximal patches, occlusion Saliency maps, class visualization, fooling images
CS231n课程笔记翻译：卷积神经网络笔记.pdf
05-18
全连接层类似于常规神经网络中的结构，它出现在卷积神经网络的末端，负责将之前层提取到的特征汇总，并输出最终的分类结果。在深度学习的早期层中，全连接层的参数数量仍然可能很大，因此有些架构会通过全连接层转化...
CS231n课程笔记翻译：神经网络笔记1（上） - 知乎专栏1
08-03
2. **细胞体**：汇总所有输入信号并应用加权和。 3. **轴突**：传递输出信号至其他神经元。 4. **突触**：连接神经元的结构，其强度即为权重。 5. **激活函数**：将加权和转换为输出信号，常见的如Sigmoid、ReLU等，...
李飞飞CS231n课程资料汇总：深度学习与计算机视觉
标题中提到的“CS231n 李飞飞 计算机视觉(笔记+作业)”涉及的知识点主要聚焦在计算机视觉领域的深度学习应用，以及斯坦福大学著名课程CS231n的专业学习资料。CS231n是斯坦福大学开设的一门研究生课程，全称为...
【CS231n笔记】08 Spatial Localization and Detection
Bin Learning
05-08 570
【CS231n笔记】08 Spatial Localization and Detection
cs231n课程笔记
10-06
cs231n课程笔记 中文整理版，机器学习入门必看 内容上非常基础，配合相关代码看更清晰。 还包含了课程作业，可用于自测。
斯坦福CS231N笔记（手写板）
10-29
自我记录，第二周学习知识CS231N笔记，参考课程同济子豪兄翻讲。
cs231n课程学习笔记中文版
01-03
cs231n课程学习笔记翻译后的中文版，经过整理后变为word文档，供大家下载学习
CS231n课程笔记翻译 全 带书签 PDF
03-17
斯坦福李飞飞-深度学习计算机视觉课程笔记的中文版，知乎上杜克版本的PDF版本，整理为全一册pdf，带书签
最全的李菲菲斯坦福CS231n课程资料，包括中英文课程笔记 assignment中英文以及assignment代码资料等
08-15
最全的斯坦福CS231n课程资料，包括中英文课程笔记 assignment中英文以及assignment代码资料等
CS231n笔记（一）
Miss_leading的博客
03-25 494
CS231n（一） Challenges 视角 明暗 变形 遮挡 背景混乱 类内差异 def classify_image(image): # Some magic here? return class_label 数据驱动 收集数据集（图片 and 标签） 训练一个分类器 使用新图片去评估分类器 第一个分类器——最近邻 使用一个函数接收数据，进行训练 另外一个函数使用新的数据评估模型 def train(image, label): # Machine Learning return m
CS231n学习笔记
休的博客
10-29 476
反向传播与神经网络初步 神经网络中神经元越多越好，有助于提高模型的表达能力。但也需要加入正则化，要注意正确的防止神经网络过拟合的方法并不是减少神经元，使得神经网络变小，而是加入合适的正则化系数。 实际上考虑到时间、算力等成本，会使用小一点的神经网络。 神经网络越宽越好还是越深越好，往往没有一个标准答案。 一般图片问题，层数会更重要些。 一般整个神经网络都用同一个激活函数，比如ReLU。 ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值