<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<oembed>
  <author_name>yusuke_ujitoko</author_name>
  <author_url>https://blog.hatena.ne.jp/yusuke_ujitoko/</author_url>
  <blog_title>緑茶思考ブログ</blog_title>
  <blog_url>https://yusuke-ujitoko.hatenablog.com/</blog_url>
  <categories>
    <anon>機械学習</anon>
  </categories>
  <description>Stanford大の教材CS231nを使ってNNやCNNを学んでいる． 本記事では，Optimizationについて，下記項目を中心に扱う． Stochastic Gradient Descent Introduction 前セクションの展開 画像の生ピクセルをクラススコアにマッピングするscore function パラメータの質を測定するloss function 真のラベルとどのくらい離れているか SVMとかSoftmaxとか色々ある $$ \begin{align} L &amp;= \frac{1}{N} \sum_{i}{L_{i}} + \alpha R(W) \\ &amp;= \frac{1…</description>
  <height>190</height>
  <html>&lt;iframe src=&quot;https://hatenablog-parts.com/embed?url=https%3A%2F%2Fyusuke-ujitoko.hatenablog.com%2Fentry%2F2017%2F01%2F05%2F214805&quot; title=&quot;【CS231n】Optimization - 緑茶思考ブログ&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=%7BN%20%3D%2050000%7D</image_url>
  <provider_name>Hatena Blog</provider_name>
  <provider_url>https://hatena.blog</provider_url>
  <published>2017-01-05 21:48:05</published>
  <title>【CS231n】Optimization</title>
  <type>rich</type>
  <url>https://yusuke-ujitoko.hatenablog.com/entry/2017/01/05/214805</url>
  <version>1.0</version>
  <width>100%</width>
</oembed>
