本帖面向刚接触机器学习或者学习斯坦福李飞飞计算机视觉cs231n课程的入门者。我作为一个货真价实的菜鸟，听了cs231n的前部分课以后，准备开始实操，却遇到了很多白痴的问题。如果你是一个刚入门的新手，请不要灰心，其实按部就班的做还是很容易的。如果是大神，请绕步，此贴可能不太适合。
问题背景：基于KNN（K紧邻）算法，使用cifar-10数据集训练模型并对未知的图像进行分类预测。这个算法是最简单的算法，它的核心就是计算测试集与训练集之间的L2距离。实验代码模板于网易云课堂-李飞飞cs231n课程提取，已实现好的代码Github已泛滥。
平台简介：anaconda是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。对于初学者而言是非常好的选择。下载链接：https://www.anaconda.com/distribution/。选择对应的系统与合适的python版本下载即可，推荐使用python3。
数据集载入：首先，我们需要下载好数据集，见http://www.cs.toronto.edu/~kriz/cifar-10-python.tar.gz，或于百度网盘提取：链接：https://pan.baidu.com/s/1RI5FmusBSPRdShGFb8IVag 提取码：vo6l 。然后将下载好的数据放在所在datasets文件夹下。打开anaconda，启动jupyter notebook,会从默认浏览器打开。这时Upload你的工程到notebook，如果上载后无反应，说明默认的工作文件夹已经包含了你的工程所在的文件夹。
进入文件夹，点击knn.ipynb文件进入交互式编程环境，这时，你将会感到柳暗花明。还剩最后一步，读取数据集：只需将第二个cell中的数据集地址更改即可，文件的地址为：'cs231n/datasets/数据集文件夹名称'，具体的载入文件代码见：data_utils.py。
到这时，程序已经可以跑起来了。对于程序，需要掌握的核心就是两次循环、一次循环以及无循环计算L2距离的代码以及分类决策的部分，工作量相当小。当然了，可能会有几个函数不懂意思是什么，稍微查一下问题很容易解决。
这里是笔者关于无循环计算L2距离的一点笔记：链接：https://pan.baidu.com/s/1u5SYw8SwE5lp3MISuNbJfg
提取码：76pb 。
（第一次发帖，多多关照）