吴恩达 神经网络和深度学习 第四周编程作业

第四周作业：用多层神经网络训练二分类模型

通过训练一个数据集，来分析图片中是否有猫。

参考博客：https://blog.csdn.net/u013733326/article/details/79767169

1.导入需要使用包并设置种子

2.初始化两层网络参数而使用的函数
3.初始化多层网络参数而使用的函数
4.实现前向传播的线性部分
5.实现LINEAR-> ACTIVATION 这一层的前向传播
6.多层模型的向前传播计算
7.实施成本函数
8.为单层实现反向传播的线性部分（第L层）
9.实现LINEAR-> ACTIVATION层的后向传播
10.多层网络的向后传播
11.使用梯度下降更新参数
12.实现两层神经网络

#两层神经网络
def two_layer_model(X,Y,layers_dims,learning_rate=0.0075,num_iterations=3000,print_cost=False,isPlot=True):
    """
    实现一个两层的神经网络，【LINEAR->RELU】 -> 【LINEAR->SIGMOID】
    参数：
        X - 输入的数据，维度为(n_x，例子数)
        Y - 标签，向量，0为非猫，1为猫，维度为(1,数量)
        layers_dims - 层数的向量，维度为(n_y,n_h,n_y)
        learning_rate - 学习率
        num_iterations - 迭代的次数
        print_cost - 是否打印成本值，每100次打印一次
        isPlot - 是否绘制出误差值的图谱
    返回:
        parameters - 一个包含W1，b1，W2，b2的字典变量
    """
    np.random.seed(1)
    grads = {
   }
    costs = []
    (n_x,n_h,n_y) = layers_dims
    
    """
    初始化参数
    """