RsqTcqssss的博客

一个多层的神经网络，结构是输入层->隐藏层->隐藏层->···->隐藏层->输出层**，在每一层中，我会首先计算Z = np.dot(W,A) + b，这叫做【linear_forward】，然后再计算A = relu(Z)或者A = sigmoid(Z)，这叫做【linear_activation_forward】，合并起来就是这一层的计算方法，所以每 初始化网络参数 前向传播 2.1 计算一层的中线性求和的部分 2.2 计算激活函数的部分（...

构建神经网络的一般方法是：定义神经网络结构（输入单元的数量，隐藏单元的数量等）。 初始化模型的参数 循环：实施前向传播 计算损失 实现向后传播 更新参数（梯度下降）  我们要它们合并到一个nn_model() 函数中，当我们构建好了nn_model（）并学习了正确的参数，我们就可以预测新的数据。定义神经网络结构在构建之前，我们要先把神经网络的结构给定义好：n_x: 输入层的数量 n_h: 隐藏层的数量（这里设置为4） n_y: 输出层的数量初始化模型...

现在总算是把我们加载的数据弄完了，我们现在开始构建神经网络。以下是数学表达式，如果对数学公式不甚理解，请仔细看一下吴恩达的视频。建立神经网络的主要步骤是： 定义模型结构（例如输入特征的数量） 初始化模型的参数 循环： 3.1 计算当前损失（正向传播） 3.2 计算当前梯度（反向传播） 3.3 更新参数（梯度下降） ...