第四周 深层神经网络

4.2 深层网络中的前向传播

4.3 核对矩阵的维数

主要是计算w的维数，以及b的维数

单个样本的情况如下所示

image.png

x_1,x_2 表示样本x具有两个特征,
z^{[1]} = w^{[1]} * x + b^{[1]}
因为z^{[1]}是（3,1），x是（2,1）的，根据矩阵的乘法，所以w是 （3，2）的矩阵
所以
w^{[1]} = (n^{[1]},n^{[0]}),
w^{[2]} = (5,3),(n^{[2]},n^{[1]}),
所以
w^{[l]} = (n^{[l]},n^{[l-1]}) , l \geq 1,

m个样本的时候正向传播公式

将上面公式中的1 变成m即可


image.png

4.4为什么使用深层表示

如果你再建一个人脸识别或是人脸检测系统，深度神经网络所做的是就是，当你输入一张脸部的照片时


image.png

image.png

深度学习名字听起来比较唬人，一般情况下回先用逻辑回归，然后在尝试1或2个隐层的神经网络，这样去找比较合适的深度，但是现在有一些人会直接使用非常非常深邃的神经网络，某些问题只有这种模型才是最佳模型。

4.5 搭建深层神经网络模块

©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容