Building your Deep Neural Network: Step by Step

這裡寫圖片描述

3.2 - L-layer Neural Network

The initialization for a deeper L-layer neural network is more complicated because there are many more weight matrices and bias vectors. When completing the initialize_parameters_deep, you should make sure that your dimensions match between each layer. Recall that $n^{[l]}$

n^{[l]}

is the number of units in layer

l

. Thus for example if the size of our input

X

(12288, 209)

(with

m = 209

examples) then:

Shape of W	Shape of b	Activation	Shape of Activation
Layer 1	$(n^{[1]}, 12288)$	$(n^{[1]}, 1)$	$Z^{[1]} = W^{[1]} X + b^{[1]}$	$(n^{[1]}, 209)$
Layer 2	$(n^{[2]}, n^{[1]})$	$(n^{[2]}, 1)$	$Z^{[2]} = W^{[2]} A^{[1]} + b^{[2]}$	$(n^{[2]}, 209)$
$⋮$	$⋮$	$⋮$	$⋮$	$⋮$
Layer L-1	$(n^{[L - 1]}, n^{[L - 2]})$	$(n^{[L - 1]}, 1)$	$Z^{[L - 1]} = W^{[L - 1]} A^{[L - 2]} + b^{[L - 1]}$	$(n^{[L - 1]}, 209)$
Layer L	$(n^{[L]}, n^{[L - 1]})$	$(n^{[L]}, 1)$	$Z^{[L]} = W^{[L]} A^{[L - 1]} + b^{[L]}$

《深度學習——Andrew Ng》第一課第四周程式設計作業

Building your Deep Neural Network: Step by Step

3.2 - L-layer Neural Network

《深度學習——Andrew Ng》第一課第四周程式設計作業

吳恩達Coursera深度學習課程 DeepLearning第一課第二週程式設計作業

《深度學習——Andrew Ng》第四課第四周程式設計作業_2_神經網路風格遷移

深度學習-吳恩達第一課第四周課程作業

吳恩達深度學習第一課第四周課後作業1參考

吳恩達深度學習第一課第四周課後作業2參考

deeplearning.ai學習筆記：第一課第四周

《深度學習——Andrew Ng》第五課第一週程式設計作業_2_dinosaurus island

《深度學習——Andrew Ng》第四課第二週程式設計作業

吳恩達深度學習第一課第四周（深層神經網路）

《深度學習——Andrew Ng》第四課第三週程式設計作業

《深度學習——Andrew Ng》第五課第三週程式設計作業_2_Trigger+word+detection

《深度學習——Andrew Ng》第五課第三週程式設計作業_1_Machine Translation

《深度學習——Andrew Ng》第一課第二週程式設計作業

fast.ai 深度學習筆記：第一部分第五課

fast.ai 深度學習筆記：第一部分第四課

fast.ai 深度學習筆記：第一部分第三課

01神經網路和深度學習-Deep Neural Network for Image Classification: Application-第四周程式設計作業2

deeplearning.ai學習筆記：第一課第三週

Coursera deep learning 吳恩達神經網路和深度學習第四周程式設計作業 Building your Deep Neural Network

《深度學習——Andrew Ng》第一課第四周程式設計作業

Building your Deep Neural Network: Step by Step

3.2 - L-layer Neural Network

相關推薦