Coursera-吴恩达-深度学习-神经网络和深度学习-week1-编程

本文章内容：

Coursera吴恩达深度学习课程，第一课神经网络和深度学习Neural Networks and Deep Learning，

第一周：深度学习引言(Introduction to Deep Learning)

编程改错本。

 

我的：

### START CODE HERE ### (≈ 3 lines of code)

shape_X = np.shape(X)

shape_Y = np.shape(Y)

#shape_Y = Y.shape

m =   # training set size

### END CODE HERE ###

 

正确：

shape_X = X.shape

shape_Y = Y.shape

m = shape_X[1]  # training set size### END CODE HERE ###

 

反思：

直接取数组的第二个数。

 

我的：

 n_x = X[0]# size of input layer

    n_h = 4

n_y = Y[0]  #size of output layer

 

正确：

n_x = X.shape[0] # size of input layer

    n_h = 4

    n_y = Y.shape[0] # size of output layer

 

反思：shape函数是numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。

 

我的：

W1 = np.random.randn(n_h，n_x)

    b1 = np.zeros((n_h, 1))

    W2 = np.random.randn(n_y，n_h)

    b2 = np.zeros((n_y, 1))

正确：

W1 = np.random.randn(n_h, n_x)* 0.01

    b1 = np.zeros((n_h, 1))

    W2 = np.random.randn(n_y, n_h)* 0.01

    b2 = np.zeros((n_y, 1))

反思：

忘记了0.01

 

我的：

dZ2 = A2-Y

    dW2 = 1/m* np.dot(dZ2,A1.T)

    db2 = 1/m * np.sum( dZ2, axis=1, keepdims=True)

    dZ1 = np.dot(W2.T, dZ2) * 1-np.power(A1,2)

    dW1 = 1/m * np.dot(dZ1, X.T)

db1 = 1/m * np.sum( dZ1, axis=1, keepdims=True)

 

正确：

dZ2 = A2 - Y

    dW2 = 1/m * np.dot(dZ2, A1.T)

    db2 = 1/m * np.sum(dZ2, axis=1, keepdims=True)

    dZ1 = np.dot(W2.T, dZ2) * (1 - np.power(A1, 2))

    dW1 = 1/m * np.dot(dZ1, X.T)

    db1 = 1/m * np.sum(dZ1, axis=1, keepdims=True)

 

反思：第二项元素乘法的时候忘记了（）,经验：在复杂的公式中，丢掉（）会有意想不到的事情发生。