介绍
- logistic回归是浅层神经网络,浅层神经网络和深层神经网络是神经网络的层数决定的。
深度神经网络例子及符号约定
4层神经网络示意图
符号约定
上图表示的是一个4层神经网络,3层隐层1层输出层,这4层的单元的数目分别是:4、4、3、1。我们有如下符号约定:
l 为层数,这里l=5。
输入层的维度:
n[0]=3 隐藏层的维度: n[1]=5 、 n[2]=5 、 n[3]=3
输出层的维度: n[4]=1
激活函数: a[l]=g[l](z[l]) 、 z[l]=wTa[l−1]+b[l] ,( l>=1 )
正向传播
z[l]=w[l]A[l−1]+b[l]
A[l]=g[l](z[l])
正向传播的向量化
z[1]=w[1]A[0]+b[1]
A[1]=g[1](z[1])
z[2]=w[2]A[1]+b[2]
A[2]=g[2](z[2])
z[3]=w[3]A[2]+b[3]
A[3]=g[3](z[3])
z[4]=w[4]A[3]+b[4]
Y′=g[4](z[4])=A[4]
- 从第一层到第4层的计算显式的使用for循环,没有其他办法。
核对矩阵的维数
w[l] 的维度: (n[l],n[l−1])
b[l] 的维度: (n[l],1)
dw 维度同 w 维度
db 维度同 b 维度z 的维度: (n[l],m)a 的维度同
z 的维度x 的维度:
(n[l−1],m) - -