hi，我是為你們的xio習操碎了心的和鯨社區男運營
我們的網站：和鯨社區 Kesci.co
我們的公眾號：和鯨社區（ID：heywhale-kesci）
有干貨，來！

大家好，此次本鯨給大家翻譯的項目是斯坦福大學的CS231n計算機視覺課程，BY李飛飛，就是頭圖這位，2017年版本。

課程網站如下：http://cs231n.stanford.edu/2017/

這門課程對于數學推導部分要求不高。注重實踐，對計算機視覺的相關知識進行了詳盡的介紹，推薦有機器學習基礎的同學，作為計算機視覺的入門課程

官方的先修要求：

• 熟練使用Python，熟悉C / C ++：所有課后作業用的都是Python（并使用numpy）。
• 大學微積分，線性代數：知道求導，矩陣向量運算以及各種符號。
• 基本概率和統計學：知道概率的基礎知識，高斯分布，平均值，標準偏差等。
• CS229（機器學習）的等效知識：我們將制定成本函數，采用導數和梯度下降執行優化。

選擇2017版本的原因是：

1.不至于太新。github上這個版本的資料比較全，可以參照著互相抄抄。而且b站上有中文字幕版

【公開課】最新斯坦福李飛飛cs231n計算機視覺課程【附中文字幕】_嗶哩嗶哩 (゜-゜)つロ 干杯~-bilibili?www.bilibili.com

2.不至于太舊。github star最多的2個版本是2016版的，但并沒有使用pytorch和tensorflow（好像全部是從頭實現呢，牛啤）。而2017版對于比較復雜的模型都會同時使用pytorch和tensorflow 進行2個版本的實現

3.當然，2019版出現了一些新玩意兒比如TPU，這些資料的確沒有囊括在內。想看這些的話麻煩大家另請高明吧。

來源：

課代表作業來自

https://github.com/wjbKimberly/cs231n_spring_2017_assignment https://github.com/Burton2000/CS231n-2017

我們的工作：

我們將該課程課后作業進行了翻譯（把英文復制到百度，在把中文復制出來）的工作，并且對所有項目進行調試運行，確保無報錯。

目錄

和鯨站內項目【中文版本編程作業】鏈接如下：

斯坦福CS231n：計算機視覺課程?www.kesci.com

作業考核的知識點如下：

Assignment #1

KNN分類器

多分類SVM

Softmax

CS231n計算機視覺課程-神經網絡

圖像特征

Assignment #2

全連接網絡

批量標準化

Dropout

卷積神經網絡

手把手教你學會TensorFlow

Assignment #3

RNN

LSTM

圖像梯度(PyTorch)

圖像梯度(TensorFlow)

風格遷移(PyTorch)

風格遷移(TensorFlow)

生成對抗網絡(PyTorch)

生成對抗網絡(TensorFlow)

總結

以上是生活随笔為你收集整理的吴恩达课程翻译_中文学习资源：斯坦福大学CS231n计算机视觉课程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。