tensorflow 迁移学习_中文学习资源：斯坦福大学CS231n计算机视觉课程
hi，我是为你们的xio习操碎了心的和鲸社区男运营
我们的网站：和鲸社区 Kesci.co
我们的公众号：和鲸社区（ID：heywhale-kesci）
有干货，来！
大家好，此次本鲸给大家翻译的项目是斯坦福大学的CS231n计算机视觉课程，BY李飞飞，就是头图这位，2017年版本。
课程网站如下：http://cs231n.stanford.edu/2017/
这门课程对于数学推导部分要求不高。注重实践，对计算机视觉的相关知识进行了详尽的介绍，推荐有机器学习基础的同学，作为计算机视觉的入门课程
官方的先修要求：
- 熟练使用Python，熟悉C / C ++：所有课后作业用的都是Python（并使用numpy）。
- 大学微积分，线性代数：知道求导，矩阵向量运算以及各种符号。
- 基本概率和统计学：知道概率的基础知识，高斯分布，平均值，标准偏差等。
- CS229（机器学习）的等效知识：我们将制定成本函数，采用导数和梯度下降执行优化。
选择2017版本的原因是：
1.不至于太新。github上这个版本的资料比较全，可以参照着互相抄抄。而且b站上有中文字幕版
【公开课】最新斯坦福李飞飞cs231n计算机视觉课程【附中文字幕】_哔哩哔哩 (゜-゜)つロ 干杯~-bilibiliwww.bilibili.com
2.不至于太旧。github star最多的2个版本是2016版的，但并没有使用pytorch和tensorflow（好像全部是从头实现呢，牛啤）。而2017版对于比较复杂的模型都会同时使用pytorch和tensorflow 进行2个版本的实现
3.当然，2019版出现了一些新玩意儿比如TPU，这些资料的确没有囊括在内。想看这些的话麻烦大家另请高明吧。
来源：
课代表作业来自
https://github.com/wjbKimberly/cs231n_spring_2017_assignment https://github.com/Burton2000/CS231n-2017
我们的工作：
我们将该课程课后作业进行了翻译（把英文复制到百度，在把中文复制出来）的工作，并且对所有项目进行调试运行，确保无报错。
目录
和鲸站内项目【中文版本编程作业】链接如下：
斯坦福CS231n：计算机视觉课程www.kesci.com
作业考核的知识点如下：
Assignment #1
KNN分类器
多分类SVM
Softmax
CS231n计算机视觉课程-神经网络
图像特征
Assignment #2
全连接网络
批量标准化
Dropout
卷积神经网络
手把手教你学会TensorFlow
Assignment #3
RNN
LSTM
图像梯度(PyTorch)
图像梯度(TensorFlow)
风格迁移(PyTorch)
风格迁移(TensorFlow)
生成对抗网络(PyTorch)
生成对抗网络(TensorFlow)