颜色分类leetcode CS231n 我的2016年冬季CS231n分配的解决方案

颜色分类leetcode我的CS231n Winter2016作业解决方案这是我对CS231n Winter2016的三个作业的解决方案。是一门经典课程，它教你通过python包numpy在Cifar10数据集上实现、训练和调试你自己的神经网络。完成作业后，您可以深入了解机器学习和计算机视觉问题的前沿研究。注意：如果您查阅我的源代码，希望将其合并到您的算法或系统中，您应该在代码中清楚地引用参考文献。目录了解基本的图像分类管道和数据驱动方法（训练/预测阶段）了解训练/验证/测试分割以及验证数据用于超参数调整的使用。熟练使用numpy编写高效的矢量化代码实现并应用k-最近邻(kNN)分类器实现并应用多类支持向量机(SVM)分类器实现并应用Softmax分类器实现并应用两层神经网络分类器了解这些分类器之间的差异和权衡通过使用比原始像素更高级别的表示（例如颜色直方图、梯度直方图(HOG)特征）来获得对性能改进的基本了解了解神经网络及其在分层架构中的排列方式理解并能够实现（矢量化）反向传播实现用于优化神经网络的各种更新