基于参数的评分函数将原始图像像素映射为分类评分值(如一个线性函数)
损失函数可以衡量某个具体参数集的质量好坏,有softmax 和 SVM 等不同实现方式
一、最优化
我们的目的就是找到能够使损失函数值最小的W值
方法一:随机搜索,随机指定W的值 准确度:7%
bestloss = float("inf") # Python assigns the highest possible float value
for num in xrange(1000):
W = np.random.randn(10, 3073) * 0.0001 # generate random parameters
loss = L(X_train, Y_train, W) # get the loss over the entire training set
if loss < bestloss: # keep track of the best solution
bestloss = loss
bestW = W
print 'in attempt %d the loss was %f, best %f' % (num, loss, bestloss)
方法二:随机本地搜索,W+δW,随机一个W,然后生成一个随机的扰动δW,只有当W+δW的损失值变低,我们才会更新
W = np.random.<