吴恩达深度学习与神经网络课程学习——logistic回归神经网络计算过程向量化

logistic回归神经网络计算过程向量化

有了对之前对logistic回归神经网络计算过程，现在讨论向量化的运算，向量化运算对于大数据的运算

有着很重要的作用，向量化计算提供了并行运算，大大加快了运算速度。想要了解之前的logistic回归

神经网络计算过程可以访问以下我的另外一篇博客https://blog.csdn.net/jmu_sxc/article/details/84638106

向量化实现的工具是python和nunpy,里面的库提供了很多的并行运算，特别是对于矩阵的运算。

所谓的向量化就是将可以并行处理的数据或者运算，通过将数据组织成矩阵，在矩阵进行相关运算。

下图是logistic回归对于m个样本的计算过程：

 找到可并行处理的计算是z=wT*x+b;a=sigmod(z)