fix readme

Author: hand10ryo

README.md

@@ -229,9 +229,9 @@ It is also possible to introduce multiple regularizations by increasing the leng
 
 The adaptors is a module for realizing domain adaptation.
 
-Domain adaptation in CML is achieved by adding <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;L(v_i,&space;\\theta)&space;=&space;\\|f(x_i;\\theta)-v_i\\|^2" title="L(v_i, \theta) = \|f(x_i;\theta)-v_i\|^2" />  to the loss for feature <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;x_i" title="x_i" /> of item  <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;i" title="i" /> . The same is true for the user. This allows us to reflect attribute information in the embedding vector.
+Domain adaptation in CML is achieved by adding <img src="https://latex.codecogs.com/gif.latex?\inline&space;\bg_black&space;L(v_i,&space;\theta)&space;=&space;\|f(x_i;\theta)-v_i\|^2" title="L(v_i, \theta) = \|f(x_i;\theta)-v_i\|^2" /> to the loss for feature <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;x_i" title="x_i" /> of item  <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;i" title="i" /> . The same is true for the user. This allows us to reflect attribute information in the embedding vector.
 
-MLPAdaptor is a class of adaptors that assumes a multilayer perceptron in function <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;f(x_i;\\theta)" title="f(x_i;\theta)" />.
+MLPAdaptor is a class of adaptors that assumes a multilayer perceptron in function <img src="https://latex.codecogs.com/gif.latex?\inline&space;\bg_black&space;f(x_i;\theta)" title="f(x_i;\theta)" />.
 
 You can set up the adaptor as shown in the code below
 

README_ja.md

@@ -230,9 +230,9 @@ criterion = losses.MinTripletLoss(margin=1, regularizers=regs).to(device)
 
 adaptors はドメイン適合を実現するためのモジュールです。
 
-CMLにおけるドメイン適合はアイテム <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;i" title="i" /> の特徴量 <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;x_i" title="x_i" />に対して、<img src="https://latex.codecogs.com/gif.latex?\bg_black&space;f(x_i;\\theta)" title="f(x_i;\theta)" /> を損失に加えることで達成します。ユーザーについても同様です。これによって埋め込みベクトルに属性情報を反映することができます。
+CMLにおけるドメイン適合はアイテム <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;i" title="i" /> の特徴量 <img src="https://latex.codecogs.com/gif.latex?\bg_black&space;x_i" title="x_i" />に対して、<img src="https://latex.codecogs.com/gif.latex?\inline&space;\bg_black&space;L(v_i,&space;\theta)&space;=&space;\|f(x_i;\theta)-v_i\|^2" title="L(v_i, \theta) = \|f(x_i;\theta)-v_i\|^2" /> を損失に加えることで達成します。ユーザーについても同様です。これによって埋め込みベクトルに属性情報を反映することができます。
 
-MLPAdaptor は<img src="https://latex.codecogs.com/gif.latex?\bg_black&space;f(x_i;\\theta)" title="f(x_i;\theta)" />に多層パーセプトロンを仮定した Adaptor クラスです。
+MLPAdaptor は<img src="https://latex.codecogs.com/gif.latex?\inline&space;\bg_black&space;f(x_i;\theta)" title="f(x_i;\theta)" />に多層パーセプトロンを仮定した Adaptor クラスです。
 
 以下のようにモデルに組み込むことができます。