qq_42731705的博客

文章目录1.Softmax损失函数和梯度求导1.1.理论推导1.2.编程实现1.2.1.循环模式1.2.2.向量化模式2.Inline questions1.Softmax损失函数和梯度求导1.1.理论推导参考：CS231n课程学习笔记（三）——Softmax分类器的实现​ 对于某张图片Xi来说，损失函数的定义：​ 对于求导来说，需要用到链式法则，即​ 对于某张图片数据Xi，由于Scores = W * x，所以对W求导比较简单，结果就是x.T，注意这里最好严谨一点写成x.T，而不是x

文章目录1.笔记总结1.1.Small Questions1.1.1.图像xi的定义，行列的问题1.1.2.np.hstack函数1.1.3.np.random.randn(）正态分布随机数函数1.2.最优化损失函数1.2.1.寻找更好的W的方法1.2.2梯度下降1.2.2.1.数值梯度1.2.2.2.实际应用中的梯度下降2.SVM的损失函数和解析梯度的计算2.1.SVM损失函数定义2.2.SVM损失函数的梯度推导（重点）2.2.1.在某个数据点上的梯度推导（编程循环实现）2.2.2.在所有数据点上的梯度推

1.参考课程笔记翻译KNN上 , KNN下1.1.笔记内容摘录

from builtins import rangefrom builtins import objectimport numpy as npfrom past.builtins import xrangeclass KNearestNeighbor(object): """ a kNN classifier with L2 distance """ def __init__(self): pass def train(self, X, y):

注意下面的这段代码中，只需在命令行运行这个脚本bash get_datasets.sh，下载数据即即可。其他的应该是和Google云有关# This mounts your Google Drive to the Colab VM.from google.colab import drivedrive.mount('/content/drive', force_remount=True)# Enter the foldername in your Drive where you have sav