课程作业

斯坦福大学 · 2025 年春季

本课程共设三次作业，帮助学生加深理论理解并提升实践能力。每次作业都包含编程题和书面问题。出于实际安排的考虑，助教在答疑时不直接查看学生的代码。

成绩占比

• 作业 1 (12%)：图像分类、kNN、Softmax、全连接神经网络、全连接网络
• 作业 2 (18%)：批归一化、Dropout、卷积网络、网络可视化、使用 RNN 的图像描述
• 作业 3（15%）：使用 Transformer 生成图像描述、自监督学习、扩散模型、CLIP 与 DINO 模型

截止时间

所有作业均于太平洋时间晚上 11:59 截止。所有截止时间都将发布在 Ed 和时间表页面上。

提交方式

作业通过Gradescope提交。您将在季度开始前自动添加到 Gradescope 上的课程。如果不是这种情况，请发送电子邮件给我们解决。如果您需要注册 Gradescope 帐户，请使用您的 @stanford.edu 电子邮件地址。每份作业讲义中都给出了进一步的说明。 不要通过电子邮件将您的作业发送给我们。

有关提交说明，请按照相应作业讲义上列出的步骤进行操作。

迟交政策

请参阅主页上的最新政策。

合作规范

允许组织学习小组并进行讨论，但每位学生都应独立理解并完成自己的作业。每个人必须独立写出解答，不能参照共同讨论时留下的书面笔记；每人分别提交一份作业。如果参加过小组讨论，请在作业开头列出同组成员的姓名。对合作边界有疑问时，请在 Ed 上询问教学团队。

学术诚信准则：网上已有不少 CS231n 往年作业的解答。教学团队了解这一情况，并要求学生提交的所有作业均由本人完成。与斯坦福的其他课程一样，我们严肃对待学生对学术诚信准则的遵守情况。

来源：斯坦福大学 CS231n · 2025 年春季