python 实现多隐层神经网络完整版_python dz dw db-优快云博客

该博客介绍了如何使用Python构建一个多隐层的神经网络，用于处理二分类问题。训练数据来自h5文件，测试数据则为jpg图像。文章引用了多个来源作为参考，包括优快云上的教程链接。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

通过多层神经网络来预测图片二分类，训练数据为h5文件，测试数据为jpg

参考：

https://www.cnblogs.com/xushu/p/8686538.html

理解内容转至：

https://blog.youkuaiyun.com/Koala_Tree/article/details/78092337

https://blog.youkuaiyun.com/Hansry/article/details/78406225?fps=1&locationNum=5

https://blog.youkuaiyun.com/qq_25436597/article/details/78858588

multilayer.py

输入：

'''
Created on 2018年7月19日

@author: hcl
'''
import numpy as np
import h5py
import matplotlib.pyplot as plt
import time
import scipy
from PIL import Image
from scipy import ndimage

np.random.seed(1)

#sigmoid
def sigmoid(Z):
    A = 1/(1+np.exp(-Z))
    cache = Z
    
    return A, cache

#relu
def relu(Z):
    A = np.maximum(0,Z)
    cache = Z 
    
    return A, cache

#sigmoid求导
def sigmoid_backward(dA, cache):
    Z = cache
    s = 1/(1+np.exp(-Z))
    dZ = dA * s * (1-s)
    
    return dZ

#relu求导
def relu_backward(dA, cache):
    Z = cache
    dZ = np.array(dA, copy=True)
    dZ[Z <= 0] = 0
    
    return dZ

#初始化参数
def initialize_parameters_deep(layer_dims):
    np.random.seed(1)
    parameters = {}
    L = len(layer_dims)

    for l in range(1, L):
        parameters['W' + str(l)] = np.random.randn(layer_dims[l], layer_dims[l-1]) / np.sqrt(layer_dims[l-1]) #初始化为随机值
        parameters['b' + str(l)] = np.zeros((layer_dims[l], 1)) #初始化为0
        
    return parameters

#前向传播中的线性函数
def linear_forward(