《Andrew Ng深度学习》笔记3

浅层神经网络

初步了解了神经网络是如何构成的，输入+隐藏层+输出层。一般从输入层计算为层0，在真正计算神经网络的层数时不算输入层。隐藏层实际就是一些算法封装成的黑盒子。在对神经网络训练的时候，就是对神经网络的神经元求出最合适的参数。

从这图也也看出，每层神经网络的单个神经元就是一些算法计算。

并且是针对一层的每个神经元的计算逻辑都是一样的，只不过是样本不一样。因此，在这里引出向量化来简化计算。

右图看到如何把神经网络向量化

这里是m维特征输入的向量化过程。

小结

这里的笔记是第三周浅层神经网络的1-5小节。主要是说明了神经网络的构成，如何向量化神经网络。通过这几节，大概知道了神经网络的组成和如何计算。