梯度下降公式，包括向量化

屏幕快照 2018-01-10 下午7.34.41.png

---

深层神经网络表示，注意一些参数的数值

屏幕快照 2018-01-11 下午9.12.19.png

---

深层神经网络的前向传播，注意右边矢量化的内容

屏幕快照 2018-01-11 下午9.14.27.png

---

某一层的前向传播和反向传播

屏幕快照 2018-01-11 下午9.16.38.png

整个网络的前向传播和反向传播

屏幕快照 2018-01-11 下午9.17.37.png 屏幕快照 2018-01-11 下午9.21.44.png

---

核对矩阵的维数

注意下图右上角部分的内容，展示了单个样本数据时W、b、dW、db的维度

屏幕快照 2018-01-11 下午9.02.42.png

注意下图右下角部分的内容，展示了矢量化之后Z，A，X，dZ，dA的维度，矢量化之后的W和b维度与上图中的保持一致

屏幕快照 2018-01-11 下午9.04.21.png

---

正向传播、反向传播的公式，包括向量化

屏幕快照 2018-01-11 下午8.46.17.png

---

超参数

学习速率、迭代次数、隐藏层数、隐藏单元数、激活函数等

屏幕快照 2018-01-11 下午9.23.01.png