Ng深度学习课程-第一课第二周笔记摘要

        计算机中为了保存一张图片,需要保存三个矩阵,它们分别对应图片中的红、绿、蓝三种颜色通道。如果你的图片大小为 64x64 像素,那么就有三个规模为 64x64 的矩阵,分别对应图片中红、绿、蓝三种像素的强度值。为了把这些像素值放到一个特征向量中,我们需要把这些像素值提取出来,然后放入一个特征向量x,如果图片的大小为 64x64 像素,那么向量x的的总维度,将是 64 乘以 64 乘以 3。现在我们用n来表示输入特征向量x的维度。

Ng深度学习课程-第一课第二周笔记摘要

符号定义:

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要
Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

我们使用这些带有圆括号的上标来区分索引和样本,训练样本i所对应的预测值是Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

全部样本上的代价函数是对m个样本的损失函数求和然后除以m:

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

广播机制:

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

Ng深度学习课程-第一课第二周笔记摘要

逻辑回归中的梯度下降:

Ng深度学习课程-第一课第二周笔记摘要