deeplearning.13向量化logistic回归中的梯度下降输出

回顾

在之前梯度下降部分说到过，dz1=a1-y1，dz2=a2-y2，……。那么这里用一个矩阵dz=[dz1，dz2，…]。然后还定义了A=[a1,a2,a3…]。Y=[y1,y2,y3…]。所以基于这些定义，可以发现dz=A-Y。
对于db，在python中可以使用(1/m )*np.sum(dz)。dw可以使用（1/m）*X*dz^T。x是矩阵，dz^T是dz的转置矩阵。

梯度下降回归的一次迭代

下面是向量化计算梯度下降一次迭代的代码逻辑。如果这个迭代要进行1000次，那么还是要在外部加一个for循环，是没办法替换掉的。