第四周深层神经网络

2019-06-16 本文已影响0人 pcqlegend

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

上一篇下一篇

猜你喜欢

热点阅读