El código de esta respuesta es * 0.01, el código del propietario se aprendió más tarde, porque los parámetros de la capa L no deben ser demasiado grandes, de lo contrario entrará en la zona de saturación y la tasa de aprendizaje disminuirá. Los parámetros de la capa L se ven afectados por la capa L-1. Para garantizar que los parámetros sean pequeños, deben dividirse por los parámetros de la capa L-1, es decir, el código escrito por el propietario.
dAL = - (np.divide(Y, AL) - np.divide(1 - Y, 1 - AL))
np.divide: es similar a np.multiply, lo que significa que los elementos correspondientes en la matriz están divididos
para l en reversa (rango (L-1)):
indica el cálculo de L-2 a L0
print ('La precisión es:' + str (float (np.sum ((p == y)) / m)))
Esta función se usa para calcular el valor de p igual a y si y solo si p y La misma dimensión y y la misma matriz
misla etiquetado_indices = np.asarray (np.where (a == 1))
np.where puede generar filas y columnas que satisfagan el valor de la condición
