吴恩达deep learning 第二课第一周问题

这一周的initialize和regularation代码方面延续了course的内容，对于权重初始化和正则化理论部分需要研究花书。

问题一：在gradient check方面，遇到了

这个问题在于，数据类型不一致。出现问题的点在

def dictionart_to_vector(parameters):
    count = 0
    for key in ['W1','b1','W2','b2','W3','b3']:
        new_vector = parameters[key].reshape(-1,1)
        if count == 0:
            theta=new_vector
        else:
            theta=np.concatenate((theta,new_vector),axis=0)
            count+=1

    return theta

count在else里，使得theta只有b3的维度。

此外，在计算theta+的时候，没有将theta从向量转化为前向传播后Wi，bi（i为隐含层 层数）维度也会显示这种错误

问题二，gradient check后，梯度不正常，为4.0+而不是吴恩达大佬说的<=1e-7

这次的问题在于

def dictionary_to_vector(parameters):
    count = 0
    for key in ['W1','b1','W2','b2','W3','b3']:
        new_vector = parameters[key].reshape(-1)
        if count == 0:
            theta=new_vector
        else:
            theta=np.concatenate((theta,new_vector),axis=0)
        count+=1

    return theta

将wi，bi转化成向量的时候reshape成了(-1).跟标准答案中reshape(-1,1)的区别在于：

图1.reshape(-1)

 图2.reshape(-1,1)

对比可以看出：图一中shape为1，图二为2.因为W属于是np.random.randn