搭建DNN做预测（接上篇：自编码实现深度神经网络）

最新推荐文章于 2025-09-09 23:24:09 发布

原创

最新推荐文章于 2025-09-09 23:24:09 发布 · 2.8k 阅读

8 ·

CC 4.0 BY-SA版权

本文是《自编码实现深度神经网络》的后续，主要介绍如何使用自己搭建的DNN进行预测。通过调用上篇的函数，定义预测函数并应用梯度下降优化参数，最终得到的模型在测试集上的准确率达到了0.9856，相比浅层神经网络的0.72，显示出DNN在防止过拟合方面的优势。

利用自己搭建的DNN做简单预测。是上篇博文：《自编码实现深度神经网络》的后续部分。
调用上篇的函数如下：

def initialize_parameters_deep(layer_dims):
    ...
    return parameters 
def L_model_forward(X, parameters):
    ...
    return AL, caches
def compute_cost(AL, Y):
    ...
    return cost
def L_model_backward(AL, Y, caches):
    ...
    return grads
def update_parameters(parameters, grads, learning_rate):
    ...
    return parameters