04.神经网络与深度学习-第四周-深层神经网络

1. 通常情况下，我们使用L表示神经网络的层数，n表示神经网络的各个网络层的神经元个数，使用a=g(z)表示各个层所用的激活函数，同理，z中的参数使用w和b表示。具体写法如图：

2. 前向反馈的表示方法

所有样本的前向反馈的表示方法

3. 我们在编码深度神经网络时候需要注意各个向量的维数的正确性，以减少代码的bug。理解矩阵的乘法对此非常有帮助。

4. 为什么深度神经网络比浅层神经网络更好？

    解释一

    深度神经网络可以实现这样一种模式：前几层的神经网络层获取声音或图像的较低层次的信息，后面的神经网络层可以获取较高层次的信息。

   解释二

   如图是一种用n个数进行异或来举的直观的说明：

5. 深度神经网络块

宏观上看这些神经网络块：

6. 建立前向传播与反向传播

                                                                                     <前向传播>

                                                                                    <反向传播>

                                                                                    <宏观>

7. 参数与超参数

     参数：w b

    超参数：α（学习率）num（梯度下降法循环次数）L（隐藏层数目）n[1]、...（隐藏单元数目）等等。它们最终控制了最后参数w和b的值，所以被称为超参数。

8. 调参

9. 采访…