CS231n：用于视觉识别的卷积神经网络

过去几周，我一直学习斯坦福大学的计算机科学课程 CS231n：用于视觉识别的卷积神经网络。你可以在这个仓库中找到我对课后作业的解答。

此外，我还撰写了两篇与该课程相关的博客文章：

• 一篇关于批量归一化的实现，你可以在这里阅读。
• 另一篇关于卷积神经网络的实现，你可以在这里查看。

在此向斯坦福大学CS231课程团队的所有成员致以衷心的感谢，他们为普及神经网络背后的知识做出了卓越的努力。

CS231n 快速上手指南

注意：本仓库（CS231）并非一个可直接安装的软件包或库，而是斯坦福大学 CS231n 课程《卷积神经网络视觉识别》的作业代码实现与学习笔记。以下指南将帮助你搭建运行这些作业代码所需的环境。

环境准备

在开始之前，请确保你的系统满足以下要求：

• 操作系统：Linux (推荐 Ubuntu), macOS 或 Windows (需使用 WSL2)。
• Python 版本：Python 3.6+ (推荐 Python 3.8 或 3.9，以兼容旧版课程代码)。
• 核心依赖：
  • numpy
  • matplotlib
  • jupyter notebook
  • future
  • pillow
  • scipy
  • torch / tensorflow (视具体作业要求而定，早期作业主要基于纯 NumPy 实现)。

国内加速建议： 推荐使用清华源或阿里源安装 Python 依赖，以提升下载速度。

安装步骤

1. 克隆仓库 获取本项目的源代码：

   git clone https://github.com/cthorey/CS231.git
   cd CS231
   

2. 创建虚拟环境 建议使用 conda 或 venv 隔离环境。以下是使用 conda 的示例：

   conda create -n cs231 python=3.8
   conda activate cs231
   

3. 安装依赖库 进入项目目录，使用国内镜像源安装所需包：

   pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   注：如果项目中没有 requirements.txt，请手动安装核心库：

   pip install numpy matplotlib jupyter future pillow scipy -i https://pypi.tuna.tsinghua.edu.cn/simple
   

4. 下载数据集 CS231n 作业通常需要 CIFAR-10 数据集。在项目根目录下运行提供的脚本（如果有），或手动下载：

   cd assignment1
   bash get_datasets.sh
   

   若脚本下载缓慢，可手动从 CIFAR-10 官网 下载 cifar-10-python.tar.gz 并放入 assignment1/datasets 目录。

基本使用

本项目主要用于学习和完成课程作业。最简单的使用方式是启动 Jupyter Notebook 来运行和编辑作业文件。

1. 启动 Jupyter Notebook 进入对应的作业目录（例如 assignment1）：

   cd assignment1
   jupyter notebook
   

2. 开始练习 浏览器会自动打开界面。点击 .ipynb 文件（如 knn.ipynb, softmax.ipynb 等），按照单元格中的说明逐步执行代码，完成神经网络的前向传播、反向传播及模型训练实验。

3. 查看博客解析 作者在 README 中提到了两篇相关技术博客，可作为代码实现的补充阅读：

   • Batch-Norm 实现详解：http://cthorey.github.io./backpropagation/
   • 卷积网络实现详解：http://cthorey.github.io./backprop_conv/