深度学习初学者推荐&怎么在本地完成CS231n课程作业-配置环境

近期学习cs231n课程，并准备做作业，整理一下整个过程以防忘记。也许会出一个系列。 课程推荐： 喜欢看视频的可看下面两个链接之一： 1、https://cloud.tencent.com/edu/learning/course-1039-690 2、https://www.bilibili.com/video/av13260183/#page=1 喜欢看文字的推荐看下面系列： 网页： cs231n官方笔记 cs231n课程中文翻译 cs231nPPT链接：http://cs231n.stanford.edu/syllabus.html 斯坦福大学2014机器学习教程中文笔记目录 斯坦福大学深 【深度学习初学者入门推荐与CS231n课程作业本地环境配置】 深度学习是人工智能领域的一个重要分支，对于初学者来说，选择合适的资源和掌握正确的学习路径至关重要。CS231n是斯坦福大学开设的一门关于视觉识别的深度学习课程，适合对计算机视觉和深度学习感兴趣的人群。以下是对CS231n课程的学习推荐和本地环境配置的详细指导。 **学习资源推荐：** 1. 视频课程： - 腾讯课堂：https://cloud.tencent.com/edu/learning/course-1039-6902 - B站：https://www.bilibili.com/video/av13260183/#page=1 2. 文档资料： - cs231n官方笔记：http://cs231n.stanford.edu/syllabus.html - 中文翻译：可搜索“斯坦福大学2014机器学习教程中文笔记” - PPT链接：同官方笔记地址 **环境配置（以Linux Ubuntu为例）：** 通常，有两种环境配置方式：在本地电脑上配置和在Google Cloud上配置。这里主要介绍在Ubuntu上的一体化配置方法： 1. **安装Anaconda：** - 下载最新版Anaconda，如Python 3.7版本。 - 运行下载的.sh文件，遵循提示进行安装，一般选择默认设置。 - 安装完成后，通过运行`source ~/.bashrc`使环境变量生效。 2. **检查环境：** - 输入`conda list`查看已安装的库，确保满足课程要求。若缺少如numpy等库，使用`conda install numpy`进行安装。 3. **下载并配置作业：** - 在Home目录下创建`cs231n_assignment`文件夹，将作业压缩包解压至此处。 - 检查`requirements.txt`文件，对比已安装库，确保满足作业需求。 4. **下载数据集：** - 作业一需要CIFAR-10数据集，可以从官方指定链接下载。 - 解压缩后，将其放在`assignment1/assignment1/cs231n/datasets/`目录下。 - 或者，使用`./get_datasets.sh`脚本自动下载。 5. **运行作业：** - 打开终端，输入`ipython notebook`或`jupyter notebook`启动交互式环境。 - 注意，由于Jupyter Notebook的特性，代码需按顺序执行，否则可能导致错误。 6. **环境管理：** - 使用`conda activate`和`conda deactivate`命令切换和退出虚拟环境。 除了上述的“一步法”，官方还提供了手动安装和虚拟环境创建的“多步法”，适合对环境管理有一定了解的用户。在选择这种方法时，需要按照官方提供的Option 2逐步安装Python、虚拟环境、依赖库等。 学习深度学习需要理论与实践相结合，CS231n课程的实践部分通过作业来帮助巩固理论知识，因此正确配置环境是完成作业的关键。在学习过程中，遇到问题可以查阅官方文档、社区讨论或在线教程，不断探索和解决问题，将有助于深化对深度学习的理解。