吴恩达深度学习第一课第四周（深层神经网络）

打卡（1）

4.1 深层神经网络

* 符号约定：输入层$X=a^{[0]} ,预测值\hat{y}=a^{[L]}$

打卡（2）

4.2 深层网络中前向传播

单个样本：
$X=a^{[0]}$
$Z^{[1]}=W^{[1]}a^{[0]}+b^{[1]}$
$a^{[1]}=g^{[1]}(Z^{[1]})$ 第一层
$Z^{[2]}=W^{[2]}a^{[1]}+b^{[2]}$
$a^{[2]}=g^{[2]}{Z^{[2]}}$ 第二层
…..
$Z^{[4]}=W^{[4]}a^{[3]}+b^{[4]}$
$a^{[4]}=g^{[4]}{Z^{[4]}}=\hat{y} 第四层$

$Z^{[l]}=W^{[l]}a^{[l-1]}+b^{[l]}$
$a^{[l]}=g^{[l]}{Z^{[l]}}$
所有样本：
Z