cs231n第2课：knn，线性分类器
让我们打开点击下一个视频：第一节课，andewj老师登场！
先学图像分类任务，这样之后再学其它的，都是在图像分类上面加一点点变化。
图像分类任务：
规定几种类别：{狗，猫，飞机，卡车……} ，给一张图像→决定它的类别：猫。这就是图像分类任务。
数据驱动方法（非参数方法）：k-NN（K个最近邻居）
训练一个模型：记住所有training图
推理图像的类别：查找图片和所有training图的距离，找出排名前k个距离最短的图像，让他们投票类别，票数最多即为本图片的类别
数据驱动，且参数方法：Linear Classifier（线性分类器：没有激活函数，f(x,W)=Wx+b）
训练网络：初始化W，并优化W，使得score理想
网络推理：scores = Wx + b
下节课：什么score比较好？（loss function）
怎么优化w来让score变好？（optimization，大概是梯度下降，反向传播）
卷积网络！（估计还有3节课才讲到）
