1 下载作业
2018年作业被分成了两部分：
assignment1：Image classification、KNN、SVM、Softmax、Neural Network
assignment2：Fully-connected Nets, Batch Normalization, Dropout, Convolutional Nets
打开网页之后，找到下图中的here，点击就可以下载了
在这个之后还贴心的附上了一个安装引导，对于还没搭建环境的新手来说太赞了！
2 下载CIFAR-10数据集
按照网页上的说明，下载数据集超级简单只需要：
cd cs231n/datasets
./get_datasets.sh对于苦逼的window用户，若要执行这个命令借助git工具吧，安装git
之后打开git bash
并没有如愿下载完成，提示缺少cifar-10-python.tar.gz，好吧，去下载：
https://www.cs.toronto.edu/~kriz/cifar.html
打开这个网址，找到 CIFAR-10 python version，也就是第一个可下载的python版，点击下载，然后将下载的包copy到目录cs231n/datasets下，然后再执行./get_datasets.sh
关于CIFAR-10的说明：
数据集中共有60000张32*32*3的照片，一共分为10类，每类6000张，这10类分别是：airplane, automobile (but not truck or pickup truck), bird, cat, deer, dog, frog, horse, ship, and truck (but not pickup truck).
由于数量巨大，数据集等分成了6个batch：
data_batch_1 ~ data_batch_5， test_batch
划分方法是从10个类各任意抽取1000张照片混合成一个batch，所以每个batch 10000张照片，从命名可以看出来，前5个batch用于训练集，最后一个batch作为测试集。
每一个batch里面又分为data和labels，data是10000*3*32*32，labels是10000*1，labels的值为0~9。
接下来就可以使用jupyter notebook写作业了