Deep Learning

深度学习简介：

1、什么是神经网络

2、使用神经网络进行监督学习

3、为什么深度学习会兴起

作为神经网络的逻辑回归：

1、二元分类：

假设一个图像是64*64：

在计算机中，这样的图像有红黄绿三个通道，用三个矩阵表示：

图上比较小，实际上这三个矩阵每个矩阵都是64*64的矩阵

(1):如何用向量表示这些矩阵：

我们把这些矩阵中的像素值展开为一个向量x作为算法的输入：
$$X=[255,\mathrm{231...202},255,\mathrm{134...94},255,134,...142]$$
把红绿黄三个通道矩阵中的像素值全部放入向量x中，最终得到一个非常长的向量，以64x64举例，该向量的维度为64x64x3==12288.

用$n_x$来表示向量的维度,有时也直接用n
$$n(x)=12288$$

（2):A single training example is represented by a pair

$$由(x,y)表示，x是一个n(x)维度的特征向量，而y则是一个label（bool），（0或1）.$$

（3):m single training examples are:

$$(x^1,y^1)，(x^2,y^2).....(x^m,y^m).$$