[关闭]
@hanxiaoyang 2016-07-23T00:37:21.000000Z 字数 10425 阅读 3576

斯坦福CS231n学习笔记_(1)_基础介绍

CS231n


作者:寒小阳
时间:2015年11月。
出处:http://blog.csdn.net/han_xiaoyang/article/details/49876119
声明:版权所有,转载请注明出处,谢谢。

1.背景

计算机视觉/computer vision是一个火了N年的topic。持续化升温的原因也非常简单:在搜索/影像内容理解/医学应用/地图识别等等领域应用太多,大家都有一个愿景『让计算机能够像人一样去"看"一张图片,甚至"读懂"一张图片』。

有几个比较重要的计算机视觉任务,比如图片的分类,物体识别,物体定位于检测等等。而近年来的神经网络/深度学习使得上述任务的准确度有了非常大的提升。加之最近做了几个不大不小的计算机视觉上的项目,爱凑热闹的博主自然不打算放过此领域,也边学边做点笔记总结,写点东西,写的不正确的地方,欢迎大家提出和指正。

2.基础知识

为了简单易读易懂,这个课程笔记系列中绝大多数的代码都使用python完成。这里稍微介绍一下python和Numpy/Scipy(python中的科学计算包)的一些基础。

2.1 python基础

python是一种长得像伪代码,具备高可读性的编程语言。
优点挺多:可读性相当好,写起来也简单,所想立马可以转为实现代码,且社区即为活跃,可用的package相当多;缺点:效率一般。

2.1.1 基本数据类型

最常用的有数值型(Numbers),布尔型(Booleans)和字符串(String)三种。

可进行简单的运算,如下:

  1. x = 5
  2. print type(x) # Prints "<type 'int'>"
  3. print x # Prints "5"
  4. print x + 1 # 加; prints "6"
  5. print x - 1 # 减; prints "4"
  6. print x * 2 # 乘; prints "10"
  7. print x ** 2 # 幂; prints "25"
  8. x += 1 #自加
  9. print x # Prints "6"
  10. x *= 2 #自乘
  11. print x # Prints "12"
  12. y = 2.5
  13. print type(y) # Prints "<type 'float'>"
  14. print y, y + 1, y * 2, y ** 2 # Prints "2.5 3.5 5.0 6.25"

PS:python中没有x++ 和 x-- 操作

包含True False和常见的与或非操作

  1. t = True
  2. f = False
  3. print type(t) # Prints "<type 'bool'>"
  4. print t and f # 逻辑与; prints "False"
  5. print t or f # 逻辑或; prints "True"
  6. print not t # 逻辑非; prints "False"
  7. print t != f # XOR; prints "True"

字符串可以用单引号/双引号/三引号声明

  1. hello = 'hello'
  2. world = "world"
  3. print hello # Prints "hello"
  4. print len(hello) # 字符串长度; prints "5"
  5. hw = hello + ' ' + world # 字符串连接
  6. print hw # prints "hello world"
  7. hw2015 = '%s %s %d' % (hello, world, 2015) # 格式化字符串
  8. print hw2015 # prints "hello world 2015"

字符串对象有很有有用的函数:

  1. s = "hello"
  2. print s.capitalize() # 首字母大写; prints "Hello"
  3. print s.upper() # 全大写; prints "HELLO"
  4. print s.rjust(7) # 以7为长度右对齐,左边补空格; prints " hello"
  5. print s.center(7) # 居中补空格; prints " hello "
  6. print s.replace('l', '(ell)') # 字串替换;prints "he(ell)(ell)o"
  7. print ' world '.strip() # 去首位空格; prints "world"

2.1.2 基本容器

和数组类似的一个东东,不过可以包含不同类型的元素,同时大小也是可以调整的。

  1. xs = [3, 1, 2] # 创建
  2. print xs, xs[2] # Prints "[3, 1, 2] 2"
  3. print xs[-1] # 第-1个元素,即最后一个
  4. xs[2] = 'foo' # 下标从0开始,这是第3个元素
  5. print xs # 可以有不同类型,Prints "[3, 1, 'foo']"
  6. xs.append('bar') # 尾部添加一个元素
  7. print xs # Prints
  8. x = xs.pop() # 去掉尾部的元素
  9. print x, xs # Prints "bar [3, 1, 'foo']"

列表最常用的操作有:
切片/slicing
即取子序列/一部分元素,如下:

  1. nums = range(5) # 从1到5的序列
  2. print nums # Prints "[0, 1, 2, 3, 4]"
  3. print nums[2:4] # 下标从2到4-1的元素 prints "[2, 3]"
  4. print nums[2:] # 下标从2到结尾的元素
  5. print nums[:2] # 从开头到下标为2-1的元素 [0, 1]
  6. print nums[:] # 恩,就是全取出来了
  7. print nums[:-1] # 从开始到第-1个元素(最后的元素)
  8. nums[2:4] = [8, 9] # 对子序列赋值
  9. print nums # Prints "[0, 1, 8, 8, 4]"

循环/loops
即遍历整个list,做一些操作,如下:

  1. animals = ['cat', 'dog', 'monkey']
  2. for animal in animals:
  3. print animal
  4. # 依次输出 "cat", "dog", "monkey",每个一行.

可以用enumerate取出元素的同时带出下标

  1. animals = ['cat', 'dog', 'monkey']
  2. for idx, animal in enumerate(animals):
  3. print '#%d: %s' % (idx + 1, animal)
  4. # 输出 "#1: cat", "#2: dog", "#3: monkey",一个一行。

List comprehension
这个相当相当相当有用,在很长的list生成过程中,效率完胜for循环:

  1. # for 循环
  2. nums = [0, 1, 2, 3, 4]
  3. squares = []
  4. for x in nums:
  5. squares.append(x ** 2)
  6. print squares # Prints [0, 1, 4, 9, 16]
  7. # list comprehension
  8. nums = [0, 1, 2, 3, 4]
  9. squares = [x ** 2 for x in nums]
  10. print squares # Prints [0, 1, 4, 9, 16]

你猜怎么着,list comprehension也是可以加多重条件的:

  1. nums = [0, 1, 2, 3, 4]
  2. even_squares = [x ** 2 for x in nums if x % 2 == 0]
  3. print even_squares # Prints "[0, 4, 16]"
  1. d = {'cat': 'cute', 'dog': 'furry'} # 创建
  2. print d['cat'] # 根据key取出value
  3. print 'cat' in d # 判断是否有'cat'这个key
  4. d['fish'] = 'wet' # 添加元素
  5. print d['fish'] # Prints "wet"
  6. # print d['monkey'] # KeyError: 'monkey'非本字典的key
  7. print d.get('monkey', 'N/A') # 有key返回value,无key返回"N/A"
  8. print d.get('fish', 'N/A') # prints "wet"
  9. del d['fish'] # 删除某个key以及对应的value
  10. print d.get('fish', 'N/A') # prints "N/A"

对应list的那些操作,你在dict里面也能找得到:

循环/loops

  1. # for循环
  2. d = {'person': 2, 'cat': 4, 'spider': 8}
  3. for animal in d:
  4. legs = d[animal]
  5. print 'A %s has %d legs' % (animal, legs)
  6. # Prints "A person has 2 legs", "A spider has 8 legs", "A cat has 4 legs"
  7. # 通过iteritems
  8. d = {'person': 2, 'cat': 4, 'spider': 8}
  9. for animal, legs in d.iteritems():
  10. print 'A %s has %d legs' % (animal, legs)
  11. # Prints "A person has 2 legs", "A spider has 8 legs", "A cat has 4 legs"
  1. # Dictionary comprehension
  2. nums = [0, 1, 2, 3, 4]
  3. even_num_to_square = {x: x ** 2 for x in nums if x % 2 == 0}
  4. print even_num_to_square # Prints "{0: 0, 2: 4, 4: 16}"
  1. d = {(x, x + 1): x for x in range(10)} # 创建
  2. t = (5, 6) # Create a tuple
  3. print type(t) # Prints "<type 'tuple'>"
  4. print d[t] # Prints "5"
  5. print d[(1, 2)] # Prints "1"

2.1.3 函数

用def可以定义一个函数:

  1. def sign(x):
  2. if x > 0:
  3. return 'positive'
  4. elif x < 0:
  5. return 'negative'
  6. else:
  7. return 'zero'
  8. for x in [-1, 0, 1]:
  9. print sign(x)
  10. # Prints "negative", "zero", "positive"
  1. def hello(name, loud=False):
  2. if loud:
  3. print 'HELLO, %s' % name.upper()
  4. else:
  5. print 'Hello, %s!' % name
  6. hello('Bob') # Prints "Hello, Bob"
  7. hello('Fred', loud=True) # Prints "HELLO, FRED!"

python里面的类定义非常的直接和简洁:

  1. class Greeter:
  2. # Constructor
  3. def __init__(self, name):
  4. self.name = name # Create an instance variable
  5. # Instance method
  6. def greet(self, loud=False):
  7. if loud:
  8. print 'HELLO, %s!' % self.name.upper()
  9. else:
  10. print 'Hello, %s' % self.name
  11. g = Greeter('Fred') # Construct an instance of the Greeter class
  12. g.greet() # Call an instance method; prints "Hello, Fred"
  13. g.greet(loud=True) # Call an instance method; prints "HELLO, FRED!"

2.2.NumPy基础

NumPy是Python的科学计算的一个核心库。它提供了一个高性能的多维数组(矩阵)对象,可以完成在其之上的很多操作。很多机器学习中的计算问题,把数据vectorize之后可以进行非常高效的运算。

2.2.1 数组

一个NumPy数组是一些类型相同的元素组成的类矩阵数据。用list或者层叠的list可以初始化:

  1. import numpy as np
  2. a = np.array([1, 2, 3]) # 一维Numpy数组
  3. print type(a) # Prints "<type 'numpy.ndarray'>"
  4. print a.shape # Prints "(3,)"
  5. print a[0], a[1], a[2] # Prints "1 2 3"
  6. a[0] = 5 # 重赋值
  7. print a # Prints "[5, 2, 3]"
  8. b = np.array([[1,2,3],[4,5,6]]) # 二维Numpy数组
  9. print b.shape # Prints "(2, 3)"
  10. print b[0, 0], b[0, 1], b[1, 0] # Prints "1 2 4"

生成一些特殊的Numpy数组(矩阵)时,我们有特定的函数可以调用:

  1. import numpy as np
  2. a = np.zeros((2,2)) # 全0的2*2 Numpy数组
  3. print a # Prints "[[ 0. 0.]
  4. # [ 0. 0.]]"
  5. b = np.ones((1,2)) # 全1 Numpy数组
  6. print b # Prints "[[ 1. 1.]]"
  7. c = np.full((2,2), 7) # 固定值Numpy数组
  8. print c # Prints "[[ 7. 7.]
  9. # [ 7. 7.]]"
  10. d = np.eye(2) # 2*2 对角Numpy数组
  11. print d # Prints "[[ 1. 0.]
  12. # [ 0. 1.]]"
  13. e = np.random.random((2,2)) # 2*2 的随机Numpy数组
  14. print e # 随机输出

2.2.2 Numpy数组索引与取值

可以通过像list一样的分片/slicing操作取出需要的数值部分。

  1. import numpy as np
  2. # 创建如下的3*4 Numpy数组
  3. # [[ 1 2 3 4]
  4. # [ 5 6 7 8]
  5. # [ 9 10 11 12]]
  6. a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
  7. # 通过slicing取出前两行的2到3列:
  8. # [[2 3]
  9. # [6 7]]
  10. b = a[:2, 1:3]
  11. # 需要注意的是取出的b中的数据实际上和a的这部分数据是同一份数据.
  12. print a[0, 1] # Prints "2"
  13. b[0, 0] = 77 # b[0, 0] 和 a[0, 1] 是同一份数据
  14. print a[0, 1] # a也被修改了,Prints "77"
  1. import numpy as np
  2. a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])
  3. row_r1 = a[1, :] # a 的第二行
  4. row_r2 = a[1:2, :] # 同上
  5. print row_r1, row_r1.shape # Prints "[5 6 7 8] (4,)"
  6. print row_r2, row_r2.shape # Prints "[[5 6 7 8]] (1, 4)"
  7. col_r1 = a[:, 1]
  8. col_r2 = a[:, 1:2]
  9. print col_r1, col_r1.shape # Prints "[ 2 6 10] (3,)"
  10. print col_r2, col_r2.shape # Prints "[[ 2]
  11. # [ 6]
  12. # [10]] (3, 1)"

还可以这么着取:

  1. import numpy as np
  2. a = np.array([[1,2], [3, 4], [5, 6]])
  3. # 取出(0,0) (1,1) (2,0)三个位置的值
  4. print a[[0, 1, 2], [0, 1, 0]] # Prints "[1 4 5]"
  5. # 和上面一样
  6. print np.array([a[0, 0], a[1, 1], a[2, 0]]) # Prints "[1 4 5]"
  7. # 取出(0,1) (0,1) 两个位置的值
  8. print a[[0, 0], [1, 1]] # Prints "[2 2]"
  9. # 同上
  10. print np.array([a[0, 1], a[0, 1]]) # Prints "[2 2]"

我们还可以通过条件得到bool型的Numpy数组结果,再通过这个数组取出符合条件的值,如下:

  1. import numpy as np
  2. a = np.array([[1,2], [3, 4], [5, 6]])
  3. bool_idx = (a > 2) # 判定a大于2的结果矩阵
  4. print bool_idx # Prints "[[False False]
  5. # [ True True]
  6. # [ True True]]"
  7. # 再通过bool_idx取出我们要的值
  8. print a[bool_idx] # Prints "[3 4 5 6]"
  9. # 放在一起我们可以这么写
  10. print a[a > 2] # Prints "[3 4 5 6]"

Numpy数组的类型

  1. import numpy as np
  2. x = np.array([1, 2])
  3. print x.dtype # Prints "int64"
  4. x = np.array([1.0, 2.0])
  5. print x.dtype # Prints "float64"
  6. x = np.array([1, 2], dtype=np.int64) # 强制使用某个type
  7. print x.dtype # Prints "int64"

2.2.3 Numpy数组的运算

矩阵的加减开方和(元素对元素)乘除如下:

  1. import numpy as np
  2. x = np.array([[1,2],[3,4]], dtype=np.float64)
  3. y = np.array([[5,6],[7,8]], dtype=np.float64)
  4. # [[ 6.0 8.0]
  5. # [10.0 12.0]]
  6. print x + y
  7. print np.add(x, y)
  8. # [[-4.0 -4.0]
  9. # [-4.0 -4.0]]
  10. print x - y
  11. print np.subtract(x, y)
  12. # 元素对元素,点对点的乘积
  13. # [[ 5.0 12.0]
  14. # [21.0 32.0]]
  15. print x * y
  16. print np.multiply(x, y)
  17. # 元素对元素,点对点的除法
  18. # [[ 0.2 0.33333333]
  19. # [ 0.42857143 0.5 ]]
  20. print x / y
  21. print np.divide(x, y)
  22. # 开方
  23. # [[ 1. 1.41421356]
  24. # [ 1.73205081 2. ]]
  25. print np.sqrt(x)

矩阵的内积是通过下列方法计算的:

  1. import numpy as np
  2. x = np.array([[1,2],[3,4]])
  3. y = np.array([[5,6],[7,8]])
  4. v = np.array([9,10])
  5. w = np.array([11, 12])
  6. # 向量内积,得到 219
  7. print v.dot(w)
  8. print np.dot(v, w)
  9. # 矩阵乘法,得到 [29 67]
  10. print x.dot(v)
  11. print np.dot(x, v)
  12. # 矩阵乘法
  13. # [[19 22]
  14. # [43 50]]
  15. print x.dot(y)
  16. print np.dot(x, y)

特别特别有用的一个操作是,sum/求和(对某个维度):

  1. import numpy as np
  2. x = np.array([[1,2],[3,4]])
  3. print np.sum(x) # 整个矩阵的和,得到 "10"
  4. print np.sum(x, axis=0) # 每一列的和 得到 "[4 6]"
  5. print np.sum(x, axis=1) # 每一行的和 得到 "[3 7]"

还有一个经常会用到操作是矩阵的转置,在Numpy数组里用.T实现:

  1. import numpy as np
  2. x = np.array([[1,2], [3,4]])
  3. print x # Prints "[[1 2]
  4. # [3 4]]"
  5. print x.T # Prints "[[1 3]
  6. # [2 4]]"
  7. # 1*n的Numpy数组,用.T之后其实啥也没做:
  8. v = np.array([1,2,3])
  9. print v # Prints "[1 2 3]"
  10. print v.T # Prints "[1 2 3]"

2.2.4 Broadcasting

Numpy还有一个非常牛逼的机制,你想想,如果你现在有一大一小俩矩阵,你想使用小矩阵在大矩阵上做多次操作。额,举个例子好了,假如你想将一个1*n的矩阵,加到m*n的矩阵的每一行上:

  1. #你如果要用for循环实现是酱紫的(下面用y的原因是,你不想改变原来的x)
  2. import numpy as np
  3. x = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]])
  4. v = np.array([1, 0, 1])
  5. y = np.empty_like(x) # 设置一个和x一样维度的Numpy数组y
  6. # 逐行相加
  7. for i in range(4):
  8. y[i, :] = x[i, :] + v
  9. # 恩,y就是你想要的了
  10. # [[ 2 2 4]
  11. # [ 5 5 7]
  12. # [ 8 8 10]
  13. # [11 11 13]]
  14. print y
  1. #上一种方法如果for的次数非常多,会很慢,于是我们改进了一下
  2. import numpy as np
  3. x = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]])
  4. v = np.array([1, 0, 1])
  5. vv = np.tile(v, (4, 1)) # 变形,重复然后叠起来
  6. print vv # Prints "[[1 0 1]
  7. # [1 0 1]
  8. # [1 0 1]
  9. # [1 0 1]]"
  10. y = x + vv # 相加
  11. print y # Prints "[[ 2 2 4
  12. # [ 5 5 7]
  13. # [ 8 8 10]
  14. # [11 11 13]]"
  1. #其实因为Numpy的Broadcasting,你可以直接酱紫操作
  2. import numpy as np
  3. x = np.array([[1,2,3], [4,5,6], [7,8,9], [10, 11, 12]])
  4. v = np.array([1, 0, 1])
  5. y = x + v # 直接加!!!
  6. print y # Prints "[[ 2 2 4]
  7. # [ 5 5 7]
  8. # [ 8 8 10]
  9. # [11 11 13]]"

更多Broadcasting的例子请看下面:

  1. import numpy as np
  2. v = np.array([1,2,3]) # v has shape (3,)
  3. w = np.array([4,5]) # w has shape (2,)
  4. # 首先把v变成一个列向量
  5. # v现在的形状是(3, 1);
  6. # 作用在w上得到的结果形状是(3, 2),如下
  7. # [[ 4 5]
  8. # [ 8 10]
  9. # [12 15]]
  10. print np.reshape(v, (3, 1)) * w
  11. # 逐行相加
  12. x = np.array([[1,2,3], [4,5,6]])
  13. # 得到如下结果:
  14. # [[2 4 6]
  15. # [5 7 9]]
  16. print x + v
  17. # 先逐行相加再转置,得到以下结果:
  18. # [[ 5 6 7]
  19. # [ 9 10 11]]
  20. print (x.T + w).T
  21. # 恩,也可以这么做
  22. print x + np.reshape(w, (2, 1))

2.3 SciPy

Numpy提供了一个非常方便操作和计算的高维向量对象,并提供基本的操作方法,而Scipy是在Numpy的基础上,提供很多很多的函数和方法去直接完成你需要的矩阵操作。有兴趣可以浏览Scipy方法索引查看具体的方法,函数略多,要都记下来有点困难,随用随查吧。

向量距离计算

需要特别拎出来说一下的是,向量之间的距离计算,这个Scipy提供了很好的接口scipy.spatial.distance.pdist

  1. import numpy as np
  2. from scipy.spatial.distance import pdist, squareform
  3. # [[0 1]
  4. # [1 0]
  5. # [2 0]]
  6. x = np.array([[0, 1], [1, 0], [2, 0]])
  7. print x
  8. # 计算矩阵每一行和每一行之间的欧氏距离
  9. # d[i, j] 是 x[i, :] 和 x[j, :] 之间的距离,
  10. # 结果如下:
  11. # [[ 0. 1.41421356 2.23606798]
  12. # [ 1.41421356 0. 1. ]
  13. # [ 2.23606798 1. 0. ]]
  14. d = squareform(pdist(x, 'euclidean'))
  15. print d

2.4 Matplotlib

这是python中的一个作图工具包。如果你熟悉matlab的语法的话,应该会用得挺顺手。可以通过matplotlib.pyplot.plot了解更多绘图相关的设置和参数。

  1. import numpy as np
  2. import matplotlib.pyplot as plt
  3. # 计算x和对应的sin值作为y
  4. x = np.arange(0, 3 * np.pi, 0.1)
  5. y = np.sin(x)
  6. # 用matplotlib绘出点的变化曲线
  7. plt.plot(x, y)
  8. plt.show() # 只有调用plt.show()之后才能显示

结果如下:
sin图像

  1. # 在一个图中画出2条曲线
  2. import numpy as np
  3. import matplotlib.pyplot as plt
  4. # 计算x对应的sin和cos值
  5. x = np.arange(0, 3 * np.pi, 0.1)
  6. y_sin = np.sin(x)
  7. y_cos = np.cos(x)
  8. # 用matplotlib作图
  9. plt.plot(x, y_sin)
  10. plt.plot(x, y_cos)
  11. plt.xlabel('x axis label')
  12. plt.ylabel('y axis label')
  13. plt.title('Sine and Cosine')
  14. plt.legend(['Sine', 'Cosine'])
  15. plt.show()

sin和cos

  1. # 用subplot分到子图里
  2. import numpy as np
  3. import matplotlib.pyplot as plt
  4. # 得到x对应的sin和cos值
  5. x = np.arange(0, 3 * np.pi, 0.1)
  6. y_sin = np.sin(x)
  7. y_cos = np.cos(x)
  8. # 2*1个子图,第一个位置.
  9. plt.subplot(2, 1, 1)
  10. # 画第一个子图
  11. plt.plot(x, y_sin)
  12. plt.title('Sine')
  13. # 画第2个子图
  14. plt.subplot(2, 1, 2)
  15. plt.plot(x, y_cos)
  16. plt.title('Cosine')
  17. plt.show()

subplot

2.5 简单图片读写

可以使用imshow来显示图片。

  1. import numpy as np
  2. from scipy.misc import imread, imresize
  3. import matplotlib.pyplot as plt
  4. img = imread('/Users/HanXiaoyang/Comuter_vision/computer_vision.jpg')
  5. img_tinted = img * [1, 0.95, 0.9]
  6. # 显示原始图片
  7. plt.subplot(1, 2, 1)
  8. plt.imshow(img)
  9. # 显示调色后的图片
  10. plt.subplot(1, 2, 2)
  11. plt.imshow(np.uint8(img_tinted))
  12. plt.show()

computer_vision

参考资料与原文

cs231n python/Numpy指南

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