DeaplearningAI01weak4
深层神经网络
对于deaplearning而言,隐藏层的数目越多,表明神经网络越深。logistic regression是没有隐藏层的。
神经网络每一层参数的维度
神经网络共有
层,
表示每一层节点的个数,用
表示输入数据的维度,那么
的维度为
,
的维度为
。
的维度与
一致,
的维度与
一致。
和
的维度一致,均为
,若输入为
个,那么
和
为
。loss function的维度为
为什么要使用深层神经网络
- 深层神经网络中,层数越靠后的隐藏层一个节点所包含的信息越多,可以更好的提取信息。
- 对比浅层神经网络, 使用深层神经网络可以减少计算function的数目。
- 深层神经网络可以完成浅层神经网络不能完成的任务。
Parameters 和 Hyper parameter
简单的来说神经网络本身的权重称为parameter,可以控制神经网络权重变化的参数称为hyper parameter。
parameter:
,
hyper parameter: learning rate,#iterations, #hidden layers L
由于这周内容基本上是上周内容的延伸,所以总结比较少