一些零碎的小知识

（1）np.random.randn()函数
语法：
np.random.randn(d0,d1,d2……dn)
1)当函数括号内没有参数时，则返回一个浮点数；
2）当函数括号内有一个参数时，则返回秩为1的数组，不能表示向量和矩阵；
3）当函数括号内有两个及以上参数时，则返回对应维度的数组，能表示向量或矩阵；
4）np.random.standard_normal（）函数与np.random.randn()类似，但是np.random.standard_normal（）的输入参数为元组（tuple）.
5)np.random.randn()的输入通常为整数，但是如果为浮点数，则会自动直接截断转换为整数。

作用：
通过本函数可以返回一个或一组服从标准正态分布的随机样本值。
应用场景 ：
在神经网络构建中，权重参数W通常采用该函数进行初始化，当然需要注意的是，通常会在生成的矩阵后面乘以小数，比如0.01，目的是为了提高梯度下降算法的收敛速度。
如： W = np.random.randn(2,2)*0.01

（2）np.random.seed(参数)
是为了生成随机数 里面的参数相同，则生成的随机数相同

np.random.seed(1)
a = np.random.randn(1, 2)
print(a)
print("------------------------")
np.random.seed(2)
a = np.random.randn(1, 2)
print(a)
print("------------------------")
np.random.seed(1)
a = np.random.randn(1, 2)
print(a)
输出结果 ：
[[ 1.62434536 -0.61175641]]
------------------------
[[-0.41675785 -0.05626683]]
------------------------
[[ 1.62434536 -0.61175641]

3 range（）函数
range(first, last, step)函数 里面有三个参数 可以 看出来 里面有三个参数 最后一个参数为步长 看代码：

L = len(layer_dim)
for l in range(1, L):
    print(l)
print("------")
L = 2
for l in range(L):
    print(l)
print("------")
L = 4
for l in range(1,L, 2):
    print(l)
    输出结果为：
1
2
------
0
1
------
1
3

（4）np.sqrt(x) ： 计算数组各元素的平方根

layer_dim = [5, 4, 3]
L = len(layer_dim)
a = np.sqrt(layer_dim[1])
输出结果为：2.0