吴恩达深度学习课程第一课2.14-2.18学习笔记

8月5日学习笔记

向量化logistics回归的梯度输出

吴恩达深度学习课程第一课2.14-2.18学习笔记
这是梯度下降的一次迭代。
其他次数还是得使用for循环。

python中的广播

吴恩达深度学习课程第一课2.14-2.18学习笔记
通过复制N次或M次来达到可以进行运算的标准

关于python_numpy向量的说明

吴恩达深度学习课程第一课2.14-2.18学习笔记
用下面的方式创建向量

logistics损失函数的解释

吴恩达深度学习课程第一课2.14-2.18学习笔记
单个训练样本的损失函数表达式推理过程

上一篇:多目标优化经典算法——NSGA-II


下一篇:吴恩达深度学习第一课Week2编程作业Logistics Regression with a Neural Network mindset