在做cs231n作业一的SVM时，遇到的问题和解决办法

本文链接：https://blog.csdn.net/weixin_42042056/article/details/104422522

作业答案：
1、知乎的
2、CSDN的CS231n课程学习笔记（二）——SVM的实现
可以结合两者做，现总结问题如下：
1、要把“linear_classifier.py”和“linear_svm.py”里的“xrange()”全部改成“range()”，不然会报错。
2、import的运用(也可查看参考):
1)

import sys
sys.path.append("/home/djz/cs231n_assignment/assignment1/cs231n/") 
from gradient_check import grad_check_sparse

2)在目录里面增加__init__.py文件，里面可以写import时执行的代码，当然也可以留空就可以.

from home.djz.cs231n_assignment.assignment1.cs231n.gradient_check import grad_check_sparse

3、在linear_svm.py中的svm_loss_vectorized()函数中，上面的代码不能用，要使用下面的代码才能通过

  '''
  margin = (margin > 0)*1
  row_sum = np.sum(margin,axis=1)
  margin[np.arange(num_train),y] = -row_sum
  dW = X.T.dot(margin)/num_train + reg*W
'''
  co

eff_mat = np.zeros((num_train, num_classes))
  coeff_mat[margins > 0] = 1
  coeff_mat[range(num_train), list(y)] = 0
  coeff_mat[range(num_train), list(y)] = -np.sum(coeff_mat, axis=1)

  dW = (X.T).dot(coeff_mat)
  dW = dW / num_train + reg * W