《深度学习——Andrew Ng》第一课第四周编程作业

最新推荐文章于 2024-07-12 13:10:00 发布

sinat_34022298

最新推荐文章于 2024-07-12 13:10:00 发布

阅读量8k

点赞数 4

分类专栏：深度学习 DeepLearning NG 文章标签：深度学习编程

本文链接：https://blog.csdn.net/sinat_34022298/article/details/78237292

版权

本文详细介绍了L层神经网络的构建步骤，包括初始化参数、线性激活函数的前向传播、反向传播及整个网络的前向传播和反向传播。通过实例解释了如何处理不同层之间的权重矩阵和偏置向量，以及如何进行线性部分的梯度计算。内容涵盖了深度学习的基础知识和实际操作技巧。

摘要由CSDN通过智能技术生成

Building your Deep Neural Network: Step by Step

这里写图片描述

3.2 - L-layer Neural Network

The initialization for a deeper L-layer neural network is more complicated because there are many more weight matrices and bias vectors. When completing the initialize_parameters_deep, you should make sure that your dimensions match between each layer. Recall that $n^{[l]}$ is the number of units in layer $l$ . Thus for example if the size of our input $X$ is $(12288, 209)$ (with $m=209$ examples) then:

	Shape of W	Shape of b	Activation	Shape of Activation
Layer 1	$(n^{[1]},12288)$	$(n^{[1]},1)$	$Z^{[1]} = W^{[1]} X + b^{[1]}$	$(n^{[1]},209)$
Layer 2	$(n^{[2]}, n^{[1]})$	$(n^{[2]},1)$	Z[2]=W[2]A[1]+b[2]