3.4 多样本向量化（Vectorizing across multiple examples ）

for循环来求解其正向输出：

for i = 1 to m:

$\begin{aligned}&z^{[1](i)}=W^{[1]}x^{(i)}+b^{[1]}\\&a^{[1](i)}=\sigma(z^{[1](i)})\\&z^{[2](i)}=W^{[2]}a^{[1](i)}+b^{[2]} \\&a^{[2](i)}=\sigma(z^{[2](i)})\end{aligned}$

矩阵运算的形式：

Z^{[1]}=W^{[1]}X+b^{[1]}

A^{[1]}=\sigma(Z^{[1]})

Z^{[2]}=W^{[2]}A^{[1]}+b^{[2]}

A^{[2]}=\sigma(Z^{[2]})

行表示神经元个数，列表示样本数目 $m$

Previous3.3 计算一个神经网络的输出（Computing a Neural Network's output ）Next3.5 激活函数（Activation functions）

Last updated 5 years ago

$\begin{aligned}&z^{[1](i)}=W^{[1]}x^{(i)}+b^{[1]}\\&a^{[1](i)}=\sigma(z^{[1](i)})\\&z^{[2](i)}=W^{[2]}a^{[1](i)}+b^{[2]} \\&a^{[2](i)}=\sigma(z^{[2](i)})\end{aligned}$

Z^{[1]}=W^{[1]}X+b^{[1]}

A^{[1]}=\sigma(Z^{[1]})

Z^{[2]}=W^{[2]}A^{[1]}+b^{[2]}

A^{[2]}=\sigma(Z^{[2]})

行表示神经元个数，列表示样本数目 $m$