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