吴恩达深度学习：2.14

1.之前学习了如何通过向量化同时计算整个训练集预测值a。本次课程将会学习如何同时向量化计算m个训练集的梯度，之前的计算得到dz的计算形式：，我们可以将dz写成一个1*m的矩阵，，之前定义过A，定义了Y为：这样一个行向量。这样计算dz=A-Y，　　

2.我们已经去掉了一个for循环，我们将dw初始化为0向量，即dw=0，但是我们还有一个遍历训练集的循环，

　　即：dw=0;

　　　　dw+=x(1)dz(1)；dw+=x(2)dz(2)

　　这样的过程我么进行m此，然后用dw/=m

　　我们将db初始化为0向量，db+=dz(1)，db+=dz(2)，一直写下去直到db(m)，接着计算db/=m

 

　　(1)接下来我们继续用向量化的手段来减少一个for循环，向量化实现db只需要对所有的d(z)求和，然后除以m，即，在python中进行计算，只需要：

　　

　　将这个变量传递给np.sum函数计算，就可以得到db。对于dw的计算，只需要通过

 

 　　(2)没有向量化的效率非常低，所以计算，就可以通过

　　

 

 　　(3)然后计算dw和db

　　

　　(4)更新w和b