CS231n作业笔记1.3：SVM的误差函数以及反向传播（非向量及向量算法）

CS231n简介

详见 CS231n课程笔记1：Introduction。
注：斜体字用于注明作者自己的思考，正确性未经过验证，欢迎指教。

作业笔记

SVM的Loss Function请参考 CS231n课程笔记3.1：线性分类器（SVM，softmax）的误差函数、正则化。

1. 非向量的误差计算

这部分属于作业自带部分，使用loop计算，如果margin大于0，就叠加，最后加入正则项。

2. 非向量的梯度计算

通过上部分所示，loss为诸多margin的和，所以只需要在累加margin的部分同时计算反向传播。注意反向传播的时候，反向传播的初始值为1，即dLoss=1（不是Loss，也不是-1）。

  num_classes = W.shape[1]
  num_train = X.shape[0]
  loss = 0.0
  for i