随笔分类 -  CS231n笔记

cs231n---强化学习
摘要：介绍了基于价值函数和基于策略梯度的两种强化学习框架，并介绍了四种强化学习算法：Q-learning，DQN，REINFORCE，Actot-Critic 1 强化学习问题建模 上图中，智能体agent处于状态st下，执行动作at后，会由于周围环境的作用进入下一个状态st+1，同时获得奖励rt。 马尔 阅读全文
posted @ 2018-05-14 00:50 coldyan 阅读(1829) 评论(0) 推荐(0)
cs231n---生成模型
摘要：1 生成模型的定义和分类 生成模型是一种无监督学习方法。其定义是给一堆由真实分布产生的训练数据，我们的模型从中学习，然后以近似于真实的分布来产生新样本。 生成模型分为显式和隐式的生成模型： 为什么生成模型重要： 生成样本，着色问题，强化学习应用，隐式表征推断等。 2 PixelRNN and Pix 阅读全文
posted @ 2018-05-06 01:08 coldyan 阅读(1551) 评论(0) 推荐(1)
Spring 2017 Assignments3
摘要：一.作业要求 原版：http://cs231n.github.io/assignments2017/assignment3/ 翻译：http://www.mooc.ai/course/268/learn?lessonid=2254#lesson/2254 二.作业收获及代码 完整代码地址： 1 RN 阅读全文
posted @ 2018-04-16 21:21 coldyan 阅读(467) 评论(0) 推荐(0)
cs231n---卷积网络可视化，deepdream和风格迁移
摘要：本课介绍了近年来人们对理解卷积网络这个“黑盒子”所做的一些可视化工作，以及deepdream和风格迁移。 1 卷积网络可视化 1.1 可视化第一层的滤波器 我们把卷积网络的第一层滤波器权重进行可视化（权重值缩放到0～255之间）可以发现： 第一层的滤波器可以看做模版匹配，那么它寻找的模式就是一些边和 阅读全文
posted @ 2018-02-02 09:23 coldyan 阅读(5023) 评论(0) 推荐(0)
cs231n---语义分割 物体定位 物体检测 物体分割
摘要：1 语义分割 语义分割是对图像中每个像素作分类，不区分物体，只关心像素。如下： （1）完全的卷积网络架构 处理语义分割问题可以使用下面的模型： 其中我们经过多个卷积层处理，最终输出体的维度是C*H*W，C表示类别个数，表示每个像素在不同类别上的得分。最终取最大得分为预测类别。 训练这样一个模型，我们 阅读全文
posted @ 2018-01-31 12:05 coldyan 阅读(2712) 评论(0) 推荐(0)
cs231n---循环神经网络
摘要：1 RNN介绍 （1）一对多，多对一，多对多的任务 传统的神经网络只能处理一对一的任务，而RNN可以处理一对多，多对一，多对多的任务： 其中，一些典型的应用如下： Image Captioning：image -> sequence of words （one to many） Sentiment 阅读全文
posted @ 2018-01-30 15:03 coldyan 阅读(1252) 评论(0) 推荐(0)
cs231n---CNN架构
摘要：1 LeNet-5 （1998） 第一个被提出的卷积网络架构，深度较浅，用于手写数字识别。 2 AlexNet （2012） 架构为： CONV1 ->MAX POOL1 ->NORM1 ->CONV2 ->MAX POOL2 ->NORM2 ->CONV3->CONV4->CONV5->Max P 阅读全文
posted @ 2018-01-28 17:31 coldyan 阅读(561) 评论(0) 推荐(0)
cs231n--详解卷积神经网络
摘要：原版地址：http://cs231n.github.io/convolutional-networks/ 知乎翻译地址：https://zhuanlan.zhihu.com/p/22038289?refer=intelligentunit 1 卷积层 （1）理解卷积层 按照卷积的观点看，卷积层由若干 阅读全文
posted @ 2018-01-25 17:40 coldyan 阅读(726) 评论(0) 推荐(0)
Spring 2017 Assignments2
摘要：一.作业要求 原版：http://cs231n.github.io/assignments2017/assignment2/ 翻译：http://www.mooc.ai/course/268/learn?lessonid=2029#lesson/2029 二.作业收获及代码 完整代码地址：https 阅读全文
posted @ 2018-01-24 10:46 coldyan 阅读(300) 评论(0) 推荐(0)
深度神经网络基础
摘要：（本文记录深度神经网络中最基本最重要的内容，想要快速复习这些内容，阅读这些笔记即可） 1.反向传播 反向传播理解：https://zhuanlan.zhihu.com/p/21407711?refer=intelligentunit 最好的向量反向传播理解：http://www.cnblogs.co 阅读全文
posted @ 2018-01-22 10:50 coldyan 阅读(262) 评论(0) 推荐(0)
cs231n官方note笔记
摘要：本文记录官方note中比较新颖和有价值的观点（从反向传播开始） 一 反向传播 1 “反向传播是一个优美的局部过程。在整个计算线路图中，每个门单元都会得到一些输入并立即计算两个东西：1. 这个门的输出值，和2.其输出值关于输入值的局部梯度。门单元完成这两件事是完全独立的，它不需要知道计算线路中的其他细 阅读全文
posted @ 2018-01-18 10:45 coldyan 阅读(2333) 评论(0) 推荐(0)
Spring 2017 Assignments1
摘要：一.作业要求 原版：http://cs231n.github.io/assignments2017/assignment1/ 翻译：http://www.mooc.ai/course/268/learn?lessonid=1962#lesson/1962 二.作业收获及代码 完整代码地址：https 阅读全文
posted @ 2018-01-15 16:44 coldyan 阅读(294) 评论(0) 推荐(0)