一次人间也匆忙的专栏

上次课简单叙述了一下图像分类的整个流程；接着引入了一个linear score function.今天的主要内容为：**Loss function+optimization**.

这节课中，我们会介绍一个简单的图像分类流程，简单介绍NN，KNN，hyperparameter，交叉验证等知识，同时，我们会定义一个线性判别函数（linear score function）。

cs231n 2015-2016 winter 课程　　cs231n的课程名Convolutional Neural Networks for Visual Recognition已经很好的概括了该课程的核心内容：利用CNN进行图像分类等视觉任务。 　　 刚好，我现在最感兴趣的方向就是计算机视觉，所以看这门课、学会这门课是比较重要的一件事。

今天的主要内容是Backpropagation and Neural Networks (part 1).我们在第2节课定义了一个scores function，在上节课对其补充了SVM loss和Softmax loss这两种损失函数以及regularization.我们现在的主要目的，就是从Loss=data loss+regularization中解出最好的W使得Loss最小。

前几次课已经学了简单的loss function以及optimazation相关的知识，并简单介绍了Neural Network.