3-4 多样本向量化

多样本向量化（ Vectorizing across multiple examples）

前面已经了解了单一训练样本神经网络计算过程：

 

如果有m个样本就要重复这个过程m次，第一个样本记作：${x^{[1]}} $，预测值记作：${{\hat y}^{[1]}} $，依次，第m个样本${x^{[m]}} $,预测值记作：${{\hat y}^{[m]}} $,采用激活函数表示法：${a^{[2](1)}} $...${a^{[2](m)}} $

其中，[i]表示第i层，(i)表示第i训练样本。那么对于非向量化的实现需要对下面的四个等式计算m次：

向量化的实现形式，首先介绍矩阵的定义：

则计算过程：

向量计算的解释，以隐藏层为例，暂时不考虑了b：

 

转载于:https://www.cnblogs.com/xiaojianliu/articles/9520914.html