---

←上一篇↓↑下一篇→

4.1 深層神經網絡	回到目錄	4.3 核對矩陣的維數

---

深層網絡中的前向傳播 (Forward Propagation in a Deep Network)

跟往常一樣，我們先來看對其中一個訓練樣本 $x$ 如何應用前向傳播，之后討論向量化的版本。

第一層需要計算 $z^{[1]}=w^{[1]}x+b^{[1]},a^{[1]}=g^{[1]}(z^{[1]})(x可以看作a^{[0]})$

第二層需要計算 $z^{[2]}=w^{[2]}{a}^{[1]}+b^{[2]},a^{[2]}=g^{[2]}(z^{[2]})$

以此類推，

第四層為 $z^{[4]}=w^{[4]}{a}^{[3]}+b^{[4]},a^{[4]}=g^{[4]}(z^{[4]})$

前向傳播可以歸納為多次迭代 $z^{[l]}=w^{[l]}{a}^{[l?1]}+b^{[l]},a^{[l]}=g^{[l]}(z^{[l]})$

向量化實現過程可以寫成：

$$Z^{[l]}=W^{[l]}{A}^{[l?1]}+b^{[l]},A^{[l]}=g^{[l]}(Z^{[l]}),(A^{[0]}=X)$$

這里只能用一個顯式for循環，$l$ 從1到 $L$ ，然后一層接著一層去計算。下一節講的是避免代碼產生BUG，我所做的其中一件非常重要的工作。

課程PPT

---

←上一篇↓↑下一篇→

4.1 深層神經網絡	回到目錄	4.3 核對矩陣的維數

---

總結

以上是生活随笔為你收集整理的4.2 深层网络中的前向传播-深度学习-Stanford吴恩达教授的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。