linear_SVM.py 里面dw正则化为什么用L1

[4ever-Rain]

linear_svm.py代码44行为什么使用的是
dW += reg * W
而不是dW += reg * np.sum(W * W)
同时问一下48行为什么你在loss正则化前面乘了0.5
loss += 0.5 * reg * np.sum(W * W)

[JPLAY0]

我们在给loss加正则化项的时候为了方便求导（使用L2范数），通常会给正则化项的loss乘上1/2。
dW += reg * W
这步则是计算求导的正则化项，该项 reg1/22W=regW

[4ever-Rain]

乘上1/2这个是我们编程中的预定俗称的参数吗？ 因为我看源代码并没有乘这个1/2；课程中有提及过这一点吗？
reg是我们的超参数对吧，那么2W这个求导的正则化项是怎么来的呢？
麻烦再解答一下~谢谢老哥

[JPLAY0]

乘1/2的约定俗成的，就比如1/2*X^2求导等于X一样，我们希望求导后的表达式简化。

[4ever-Rain]

1/2完全明白啦~
2W是怎么来的呢？

[JPLAY0]

W^2求导得来的

[4ever-Rain]

哎呀呀 懂了懂了 好傻的问题...
非常感谢！新年快乐~