深层网络（deepNN）中前向传播fp与后向传播bp的向量化参数向量化表示 python表示维数-白红宇的个人博客

发布日期：2021-07-01 05:17:21 浏览次数：2 分类：技术文章

本文共 188 字，大约阅读时间需要 1 分钟。

对于第l层：

$W^{[l]}:(n^{[l]},n^{[l-1]})$

$Z^{[l]},b^{[l]},A^{[l]}:(n^{[l]},1)$

$Z^{[l]}=W^{l}A^{[l-1]}+b^{[l]}$

$A^{[l]}=g(Z^{[l]})$

python code:

Z=np.dot(W,A_prev)+b

A=sigmoid(Z)或者relu(Z)

$dW^{[l]}=\frac1mdZ^{[l]]}A^{[l-1]T}$

$db^{[l]}=\frac1msum(dZ^{[l]})$

$dA^{[l-1]}=W^{[l]T}\cdot dZ^{[l]}$

$dZ^{[l]}=dA^{[l]}*g^{[l]}'(Z^{[l]})$

python code:

dW=np.dot(dZ,A_prev.T)/m

db=np.sum(dZ,axis=1).reshape(dZ.shape[0],1)/m

dA_prev=np.dot(W.T,dZ)

(dZ略)

转载地址：https://norstc.blog.csdn.net/article/details/83661257 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！

上一篇：convolution 卷积的直观解释卷积的物理意义

关于作者

喝酒易醉，品茶养心，人生如梦，品茶悟道，何以解忧？唯有杜康！

-- 愿君每日到此一游！