本文是吴恩达深度学习课程第一门课3.4节的总结
单个样本输出公式如下所示:

当扩展到m的样本时,可以用for循环来实现多个样本的神经网络输出值计算,在《AI数学基础6——向量化(Vectorization)》已证明。
a表示神经元输出,方括号上标表示神经元所在的层数,圆括号上标表示第几个训练样本
m个训练样本向量化后,可以得到公式如下:

m个样本的for循环计算,就被优化为这个矩阵计算公式了。
本文是吴恩达深度学习课程第一门课3.4节的总结
单个样本输出公式如下所示:
当扩展到m的样本时,可以用for循环来实现多个样本的神经网络输出值计算,在《AI数学基础6——向量化(Vectorization)》已证明。
a表示神经元输出,方括号上标表示神经元所在的层数,圆括号上标表示第几个训练样本
m个训练样本向量化后,可以得到公式如下:
m个样本的for循环计算,就被优化为这个矩阵计算公式了。
本文标题:AI数学基础10——多个样本神经网络输入公式
本文链接:https://www.haomeiwen.com/subject/lzpcdftx.html
网友评论