<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>watto</author_name>
  <author_url>https://blog.hatena.ne.jp/watto/</author_url>
  <blog_title>しいたげられた🍄‍🟫しいたけ</blog_title>
  <blog_url>https://www.watto.nagoya/</blog_url>
  <categories>
    <anon>ソフト</anon>
    <anon>数学</anon>
    <anon>メモ</anon>
  </categories>
  <description>前回の記事 を書いた段階でも、他にもいろいろ気づきがあった。例えば『ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装』（以下「テキスト」）4.4 の勾配というのは、ベクトル解析でいう多次元の勾配と同じことだったのだ！ なんだか書いてみるとあたりまえのことだな。テキストP103で「勾配」という言葉が最初に出てきたときには、2変数の関数に対する勾配を数値微分によって求め、次の段階でP109で対象がニューラルネットワークに拡張されたため、気づくのが遅れた。ニューラルネットワークとしてはごく簡単な例とは言え、いきなり6変数（6次元）なのだ。それを自分で3変数（…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fwww.watto.nagoya%2Fentry%2F2017%2F06%2F26%2F000000&quot; title=&quot;O&amp;#39;REILLY『ゼロから作るDeep Learning』4章のクラスを使ったら4セグメントLEDどころか7セグメントLEDの機械学習ができた！（その2） - しいたげられた🍄‍🟫しいたけ&quot; class=&quot;embed-card embed-blogcard&quot; scrolling=&quot;no&quot; frameborder=&quot;0&quot; style=&quot;display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;&quot;&gt;&lt;/iframe&gt;</html>
  <image_url>https://images-fe.ssl-images-amazon.com/images/I/512ru2i5gyL._SL160_.jpg</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2017-06-26 00:00:00</published>
  <title>O'REILLY『ゼロから作るDeep Learning』4章のクラスを使ったら4セグメントLEDどころか7セグメントLEDの機械学習ができた！（その2）</title>
  <type>rich</type>
  <url>https://www.watto.nagoya/entry/2017/06/26/000000</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
