weixin_45949928的博客

本篇文章主要介绍吴恩达的深度学习训练题目logistic回归。目标：搭建一个可以对猫进行识别的简单神经网络。成功运行环境：python 3.6numpy 1.19.5h5pymatplotlib数据集完整代码在底部导入所需库import numpy as npimport h5pyimport matplotlib.pyplot as plt下面正式开始首先我们需要做的是导入数据集def load_dataset(): # 读取训练集 train_datase

神经网络结构图如下图上图神经网络共有3个层次，输入层3个神经元，隐藏层即中间层4个神经元，输出层2个神经元。需注意，在神经网络中输入层、输出层的节点数量往往是固定的，中间层可自由指定。在此结构图中，最重要的是连接线，不是神经元！最重要的是连接线，不是神经元！最重要的是连接线，不是神经元！每个连接线均代表一个不同的权重，是通过训练所得。神经网络计算过程中通常先有一个前向传播步骤，接着是一个反向传播步骤。我们将用逻辑回归来表达解释为什么神经网络可分为前向传播和反向传播两个独立部分。逻辑回归逻辑回归是一个