<前篇----后篇>
在初次进入坑，接触高深的算法环节之前，有必要对计算机视觉的目标和实现有一个大概的了解。虽说都是些量少易懂的知识点，却主角般地贯穿着整个学习过程，而且作为从小白到学习者思维转换的桥梁，其必要性是肯定的。所以对于从未接触过深度学习的小白，强烈推荐了解，非小白可跳过
图像分类
首先来了解在计算机视觉领域上的图像指的是什么。——图像由像素组成，每个像素通过三原色（RGB）的明暗组合形成一种颜色，RGB各有256级亮度用数字0~255表示。最终图像就是一个由数字组成的三维数组Rw*h*c,三个维度分别是宽、高、颜色通道。
所谓的图像分类问题，则是在已有固定的分类标签集合中找出一个标签分配给输入的图像。这是计算机视觉领域的核心问题之一，并且有着各种各样的实际应用。计算机视觉领域中很多看似不同的问题（比如物体检测和分割），都可以被归结为图像分类问题，许多算法和原理都是为解决此问题服务的。
图像分类对人来说是简单至极的，但对于本质上只会算数的计算机来说，问题变得复杂起来。“把代表图像的一堆数字通过数学运算变成一个标签（通过计算获得视觉）” 光是这个过程就看似无法理解了，但实际上这是可行的，不少现有的模型能获得不错的结果，原理与实现之后会介绍，现在我们来谈谈计算机视觉算法在图像识别方面遇到的一些困难
- 视角变化（Viewpoint variation）：同一个物体，摄像机可以从多个角度来展现。
- 大小变化（Scale variation）：物体可视的大小通常是会变化的。
- 形变（Deformation）：很多东西的形状并非一成不变，会有很大变化。
- 遮挡（Occlusion）：目标物体可能被挡住。有时候只有物体的一小部分是可见的。
- 光照条件（Illumination conditions）：在像素层面上，光照的影响非常大。
- 背景干扰（Background clutter）：物体可能混入背景之中，使之难以被辨认。
- 类内差异（Intra-class variation）：同一类物体的个体之间外形差异可能很大。
这些在人看来不太影响分类的变化，在计算机看来简直是天差地别，每一种变化都让输入的数字数组发生巨大变化。如何提高算法的健壮性，增强噪音抵抗力，在维持分类结论稳定的同时，保持对类间差异足够敏感，这些都是算法设计者要考虑的问题
数据驱动方法
关于详细的解释，可以参考。这里只简单的说明一下，由于类别的多样性与同类的相似性，在算法中逐一指定参数实现某个类的区分是很不现实的（先不考虑能不能直接找出这堆参数），所以目前流行的算法更类似于人类学习的过程——给计算机很多已分类好的数据，然后实现学习算法，让计算机自己调整这堆参数，从而学习到每个类的区分。这种方法，就是数据驱动方法。
以此为基础，整个图像分类过程可以总结为三步：
- 输入： 输入是包含N个图像（3维数组）的集合，每个图像的标签是K种分类标签中的一种。这个集合称为训练集。
- 学习： 用训练集来学习每个类到底长什么样。一般该步骤叫做训练分类器或者学习一个模型。
- 评价： 让分类器来预测它未曾见过的图像（测试集）的分类标签，并以此来评价分类器的好坏。如果分类器预测的分类标签和图像真正的分类标签一致，那很棒。
关于数据来源，cs231n课程使用的是图像分类数据集，这个数据集包含了60000张32X32的小图像。每张图像都有10种分类标签中的一种。这60000张图像被分为包含50000张图像的训练集和包含10000张图像的测试集。本系列也将基于此数据进行实践。
超参数及其调优
在构造分类器（算法）的时候，某些参数和函数的是必须要人为选择的，但是关于选择哪个才能获得最佳效果，不实践的话很难直接给出答案。类似这样的选择，就叫做超参数。这样一说，调优的方法就很明了了，把可能的选择都试一遍，选择准确率最高的一个就行了（通常作图分析取峰值）。
但要注意的是千万不能用测试集来进行调优，因为这会带来对测试集过拟合的风险（用测试集训练出来的分类器跑测试集当然表现好，都熟悉了
）。正确的做法是从训练集中分一部分（通常10%~50%）作为验证集用于调优，剩下的再作为训练集用于学习。测试数据集只使用一次，即在训练完成后评价最终的模型时使用。
交叉验证
有时候训练集数量较少，分得的验证集更少，不利于超参数的调优，这时会用交叉验证的方法，尽可能榨干整个训练集。
原理是把训练集分成N份（通常3，5，10），循环着取其中一份作为验证集，其他作为训练集，共跑N次。对于每个超参数的N个结果取它们的平均值作为该参数的表现，所有平均值画线连接取峰值对应的参数即可。
通常在深度学习（大型模型）中不会用交叉验证，因为这会使计算量翻N倍。但对于小型数据集值得一试。