<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>Yaju3D</author_name>
  <author_url>https://blog.hatena.ne.jp/Yaju3D/</author_url>
  <blog_title>デジタル・デザイン・ラボラトリーな日々</blog_title>
  <blog_url>https://yaju3d.hatenablog.jp/</blog_url>
  <categories>
    <anon>機械学習</anon>
    <anon>tensorflow</anon>
    <anon>人工知能</anon>
  </categories>
  <description>はじめに 前回の続きです。 yaju3d.hatenablog.jp 前回の計算が本当に合っているのか、Pythonを使って実証してみたいと思います。 プログラム 重みの更新 ①現在の重みで推測値を求める import numpy as np a = np.array([10, 20]) b = np.array([[1,3,5],[3,1,7]]) print(np.dot(a,b)) [ 70, 50, 190] 全体の誤差を求める。 二乗誤差は、mean_squared_error の名前です。 def mean_squared_error(y, t): return 0.5 * np.…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fyaju3d.hatenablog.jp%2Fentry%2F2017%2F11%2F28%2F202225&quot; title=&quot;ディープラーニング(深層学習)を理解してみる(勾配降下法：計算確認) - デジタル・デザイン・ラボラトリーな日々&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>http://chart.apis.google.com/chart?cht=tx&amp;chl=%5CDelta%20E</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2017-11-28 20:22:25</published>
  <title>ディープラーニング(深層学習)を理解してみる(勾配降下法：計算確認)</title>
  <type>rich</type>
  <url>https://yaju3d.hatenablog.jp/entry/2017/11/28/202225</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
