CS231n | 先决条件 Preparation
近期在和朋友做计算机视觉相关的年度项目,根据导师的建议,我们选择了Stanford的CS231n课程作为计算机视觉的入门课程。然而由于某些原因, 初期的学习线路出了一些偏差, 临近中期才发现CS231n官方提供了非常完善的笔记和作业文档,免去了大面积重复造轮子的工作,只需要编写部分核心代码。因此我决定重修CS231n课程,写下这一系列文章记录学习过程。
本文提供开始学习前CS231n的准备步骤,主要翻译自官方提供的Software Setup文档,供日后查询。
使用Google Colaboratory工作
在本地设备上工作
配置Anaconda虚拟环境
CS231n官方推荐使用Anaconda搭建Python编程环境并管理Numpy等包及其依赖项。这样做的好处之一在于,其自带MKL优化,这可以加速numpy
与scipy
代码的执行。
Anaconda虚拟环境的搭建在其他文章中已做介绍,在此不再赘述。
安装完Anaconda后,需创建名为cs231n
的虚拟环境,可以在终端中运行以下指令创建:
1 | # 这将在'path/to/anaconda3/envs/'下创建 |
要激活并进入所创建的环境,请运行conda activate cs231n
;要禁用并退出环境,请运行conda deactivate cs231n
或关闭终端。需要注意的是,每次写作业前都需要重新运行conda activate cs231n
。
安装包集合
激活虚拟环境后,你需要安装课程所需的Numpy,Matplotlib等库。为安装所有依赖项,你可以下先下载Assignment#1的Jupyter notebook笔记文件,通过以下指令进入Assignment#1的文件目录,并通过conda
或pip
安装requirements.txt
所列出的依赖项:
1 | # 再次提醒, 在运行以下指令之前 |
下载CIFAR-10数据集
CS231n课程围绕CIFAR-10数据集的处理进行,要获得CIFAR-10,你可以进入assignment1
的主目录,在终端中执行以下指令下载;
1 | cd cs231n/datasets |
然而由于众所周知的原因,这种方式通常会失败。因此,你可以到CIFAR-10的官网手动下载数据集,并解压到cs231n/datasets
目录,其效果与运行上述命令一致。
启用IPython
CS231n官方提供的Assignment文件提供了丰富的辅助理解内容。你可以在激活cs231n
环境后cd
到assignment1
主目录,运行jupyter notebook
,此时会打开一个网页,接着转跳至IPython的文件管理页面,到此为止,我们就可以愉快地开始写CS231n课程作业了。