svm损失函数

SVM（支持向量机）和softmax的区别在于损失函数的不同，用公式可以描述为：

其中 syi 表示真实类别的得分，sj  表示其他类别的得分。Δ 表示为边界值，Li 表示某输入图像的损失值

根据损失函数做如下讨论：

1.如果在累加时去掉j≠yij≠yi 的条件，是否可行？ 

答案显而易见，不可行。这样损失值永远大于0，最小也为ΔΔ

2.如果将求和改为取平均，是否有影响？ 

答案没有，虽然损失函数的大小改变，但是是常量倍数的变化，本质上没有区别

3.如果将类间距求平方是否不同？ 

答案是肯定的，而这里是否用平方也是一个超参

4.当ww 为0时，损失函数为多少？ 

通常情况下，在代码开始一般采用该方式计算损失函数的数值，从而验证损失函数是否书写正确
https://blog.csdn.net/lanmengyiyu/article/details/78822143