神经网络中的逻辑回归

写作目的：

本篇写作目的是在学习整理Coursera网课中，Deep Learning系列课第一课Neural Networks and Deep Learning第二周Logistic Regression with a Neural Network mindset中的编程作业问题。在写此编程作业时，遇到了些小问题不过很快就解决了。但是写的时候过分专注于细节，对于整体结构的把握和代码流程还不是理解的很彻底，因此希望能总结归纳。

作业目的：

开发图片识别算法，用以识别图片是否为猫。

训练集：数量为m_trains的图片，具有标识是否为猫

测试集：数量为m_tests的图片，具有标识是否为猫

图片：image.shape = (num_px, num_px, 3)

算法流程：

• Forward propagation： 从输入到输出
  • A = sigmoid(w.T X + b)
• Backward propagation：从输出到输入，用以求解导数，使得可以进行梯度下降
  • dw = X(A-Y)/m 
  • db = sum(a - y)/m
  • 迭代更新
    • w = w - a dw
    • b = b - a db

代码流程：

1. 初始化参数
2. 迭代
   1. 计算Forward and backward propagation
   2. 更新w和b（学习结束）
3. 计算图片预测值，输出正确率