版权声明：原创文章，版权所有。转载请注明出处。 https://blog.csdn.net/qq_38672855/article/details/82953447
1. 通常情况下，我们使用L表示神经网络的层数，n表示神经网络的各个网络层的神经元个数，使用a=g(z)表示各个层所用的激活函数，同理，z中的参数使用w和b表示。具体写法如图：
2. 前向反馈的表示方法
所有样本的前向反馈的表示方法
3. 我们在编码深度神经网络时候需要注意各个向量的维数的正确性，以减少代码的bug。理解矩阵的乘法对此非常有帮助。
4. 为什么深度神经网络比浅层神经网络更好？
解释一
深度神经网络可以实现这样一种模式：前几层的神经网络层获取声音或图像的较低层次的信息，后面的神经网络层可以获取较高层次的信息。
解释二
如图是一种用n个数进行异或来举的直观的说明：
5. 深度神经网络块
宏观上看这些神经网络块：
6. 建立前向传播与反向传播
<前向传播>
<反向传播>
<宏观>
7. 参数与超参数
参数：w b
超参数：α（学习率）num（梯度下降法循环次数）L（隐藏层数目）n[1]、...（隐藏单元数目）等等。它们最终控制了最后参数w和b的值，所以被称为超参数。
8. 调参
9. 采访…