用神经网络识别猫——一个简单的逻辑回归代码实现

本文是我基于对https://blog.csdn.net/u013733326/article/details/79639509的理解完成的，也就是吴恩达老师的第一个编程作业

要识别猫的话，我们要构建的一个神经网络需要达到的功能是：

输入一张猫的图片，然后输入一个概率，即这张图片是猫的概率

# 算法框架：
# 我们的最终目的是学习w和b，而学习w和b实际就是优化w和b，
# 优化w和b的方法就是梯度下降
# 梯度下降要用到的参数是w, b, X, Y, num_iterations, learning_rate

import numpy as np
from lr_utils import load_dataset
import matplotlib.pyplot as plt

def sigmoid(z):# 此函数没问题
    s = 1 / (1 + np.exp(-z))
    return s

# 传播函数（包括正向传播和反向传播）
def propagate(m, w, b, X, Y):
    # 正向传播
    z = np.dot(w.T, X) + b
    a = sigmoid(z)

    cost = (-1 / m) * np.sum(Y * np.log(a) + (1 - Y) * np.log(1 - a))
    cost = np.squeeze(cost)
    assert (cost.shape ==