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
2
3
# 这将在'path/to/anaconda3/envs/'下创建
# 名为cs231n的Anaconda虚拟环境
conda create -n cs231n python=3.7

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
2
3
4
5
6
7
8
9
# 再次提醒, 在运行以下指令之前
# 请确保虚拟环境已被激活
cd assignment1  # 进入assignment的目录

# 安装assignment的依赖项。
# 虚拟环境激活后，pip将自动安装
# requirements.txt中列出的所有依赖项
# 并与Python进行连接
pip install -r requirements.txt

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
2
cd cs231n/datasets
./get_datasets.sh

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。