01 深度神经网络
- L代表的深度神经网络的层数,n^ [l]代表的是l层有多少个节点,a^ [l]代表l层的激活函数,w^ [l]表示在a^ [l]中计算z^ [l]值的权重。
02 深层网络中的前向传播
- 在深层网络中应用前向传播,图中左侧是针对单个样本的,左侧最后一行a的上标应该是3;右上角就是前向传播的总结公式,右下角是用向量化的方法训练整个训练集。在我们实现前向传播时用for循环,没有比它更好的方法,可以计算1到L层的激活函数。
03 核对矩阵的维度
- 图的右上角的公式可以帮助检查w和b的维度,反向传播时dw和w具有相同的维度,db和b的维度一样。因为a^ [l] = g^ [l] (z^ [l]),所以z和a的维度应该相等。(只针对于没有向量化的)
- 向量化后的dw和w,db和b的维度同向量化前的一样,但