【吴恩达深度学习】【神经网络和深度学习】 第三章 第五节 向量化实现的解释

一、这节设置的目的

在前面的四节课以及之前学习中，吴恩达已经很详细讲解了向量化及其好处，这节课却反过来教学生如何进行向量化以及向量化为什么是对的，个人认为这节课的设置是有一些多余的，

猜测其可能原因是想多举出一些例子让学生更好的理解浅层神经网络，可是从个人角度来说听课感觉不是很好，或许换种形式可能会更好。

 

二、向量化计算的相关内容

在之前的blog中已经有了较为详细的表述，这里不再赘述

 

三、一些自己后来才注意到的细节

这里是为数不过使用了圆括号也就是训练样本角标的课件，但也只在这节课中感受到了训练样本作为一个单独的维度所起到的作用，而我们可以知道，在一个神经网络正常工作的时候，所有的参数在不同训练样本之间是保持不变的，只有最后计算出来的各个函数的值会发生改变。所以其实在实际的使用过程中是不用过多考虑这一条的，但处理编程细节的时候注意区别就好了