吴恩达深度学习Course1-Week(4)
文章目录
一、什么是Deep Neural Network?
深度学习网络只不过是在Logistic regression的基础上,多了几个隐层,每层多了一些神经元,卷积神经网络无非就是再多了几个特殊的filter,多了一些有特定功能的层,但是核心都是跟Logistic Regression一样的。核心都包括
前向传播求损失函数, 反向传播求各阶导数, 梯度下降更新参数, 迭代更新求预测。
二、深度神经网络的符号规定Notation
三、深度神经网络的前向传播Forward Propagation
与logistic regression 非常类似,包括前向传播、激活函数两部分。注意,在向量化的方式中,由于deep nn 有许多层每一层的计算都是相互独立的,不可避免地需要用到for循环。
四、核对参数矩阵的维度
- W[l] : (n[l] , n[l-1])
- b[l] : (n[l] , 1)
其中n[l],表示每一层神经元的个数
五、深度神经网络的粗略解释
深度神经网络的前几层通常都是学习、识别一些低层次、简单的特征,后几层将简单的特征组合起来去探测一些更高层次、复杂的特征。
六、前向传播和反向传播小结
上图,以中间某一层为例说明该层的前向传播和反向传播的方法。
整个前向传播和反向传播可以用该流程图进行表示。
第l层的前向传播算法:
第l层的反向传播算法:
公式小结:
七、从别的博主那里摘抄的计算图