吴恩达视频中——logistic回归中的梯度下降法前向传播时公式求导问题

说在前面的话：

1）这里面的w1和w2分别与x1和x2相乘，是矩阵乘积的结果

2）x是3维图片像素压缩成二维以后的行向量（链接：通过吴恩达作业里识别猫的程序——了解矩阵降维的原理_nyist_yangguang的博客-CSDN博客）

3）a就是下面的sigmoid函数，dz是，da是，这个符号是L，达子写的太飘逸了，这样标记的目的为了区分不同符号的偏微分

4）视频图片中出现的d在多个变量中指的是偏微分（小写d的花体），达子为了降低视频观看门槛，统一写成d。

 

 

前向传播的时候：

记住导数的含义，dw是在这一点的斜率，梯度下降发会让w朝着J(w)全局最小值方向移动。

得到上图很多求导结果，均是偏微分求导，其中最重要的涉及到一个函数，sigmoid函数的求导，推导如下：

其中就是a，也是sigmoid函数表达式。