[关闭]
@BruceWang 2018-11-20T19:29:16.000000Z 字数 2061 阅读 2661

cs231n 课程代码及说明 python3.x和python2.x的版本(每次更新完成的作业)

神经网络


1. 知乎翻译笔记

2. 作业介绍tricks 重要

3. Youtube视频地址

4. 网易云中文字幕视频地址

5. cs231n每年的ppt链接地址

6. 2017视频英文地址

7. 斯坦福CS231n学习笔记:博客

8. cs231n 课程作业 Assignment 123---CSDN博客

1.python2.x版本

代码、课程

2.python3.x版本

这个是2017年斯坦福大学新补上的,哈哈,好爽!
官网链接 只看 2017 Spring个人GitHub

3.课程大纲

Spring 2017 Assignments

Assignment #1:

Image Classification,kNN, SVM, Softmax, Neural Network

> 看看具体如何执行:

Q1:k-最近邻分类器(20分)
IPython笔记本knn.ipynb将引导您完成kNN分类器。

Q2:培训一个支持向量机(25分)
IPython Notebook svm.ipynb将引导您实现SVM分类器。

Q3:实施Softmax分类器(20分)
IPython Notebook softmax.ipynb将引导您实施Softmax分类器。

Q4:双层神经网络(25分)
IPython Notebook two_layer_net.ipynb将引导您完成双层神经网络分类器的实现。

Q5:高级表示:图像特征(10分)
IPython Notebook features.ipynb将引导您完成这个练习,在这个练习中,您将检查使用更高级别表示而不是使用原始像素值所获得的改进。

Q6:酷炫的奖励:做一些额外的!(+10分)
实施,调查或分析本作业中的主题,并使用您开发的代码。例如,我们可以问一些其他有趣的问题吗?有什么有洞察力的可视化,你可以技巧?或者,也许你可以尝试一个旋转的损失函数?如果你尝试了一些很酷的东西,我们会给你10个额外的分数,并可能在演讲中显示你的结果。


Assignment #2:

Fully-Connected Nets, Batch Normalization, Dropout, Convolutional Nets

Q1:Fully-Connected Nets(20分)
IPython笔记本FullyConnectedNets.ipynb将向您介绍我们的模块化层设计,然后使用这些层来实现任意深度的完全连接网络。为了优化这些模型,你将实现几个流行的更新规则。

Q2:Batch Normalization(30分)
在IPython笔记本中,BatchNormalization.ipynb您将实现批量标准化,并使用它来训练深度完全连接的网络。

Q3:Dropout(10分)
IPython笔记本Dropout.ipynb将帮助您实现Dropout并探索其对模型泛化的影响。

Q4:Convolutional Nets(30分)
在IPython Notebook中,ConvolutionalNetworks.ipynb您将实现几个常用于卷积网络的新层。

Q5:CIFAR-10上的PyTorch / TensorFlow(10分)
对于最后一部分,您将使用TensorFlow或PyTorch两种流行和强大的深度学习框架。你只需要完成这两个笔记本中的一个。您不需要同时做这两件事,我们也不会授予那些参与者的额外功劳。

打开PyTorch.ipynb或者TensorFlow.ipynb,您将了解该框架的工作原理,最终在CIFAR-10上培训自己设计的卷积网络,以获得最佳性能。

注:PyTorch笔记本需要PyTorch版本0.4,该版本于4/24/2018发布。您可以按照以下说明使用conda或pip安装此版本的PyTorch:http://pytorch.org/

Assignment #3:

Image Captioning with Vanilla RNNs, Image Captioning with LSTMs, Network Visualization, Style Transfer, Generative Adversarial Networks

添加新批注
在作者公开此批注前,只有你和作者可见。
回复批注