目录
三、Python 中的广播（Broadcasting in Python）
一、梯度下降法
梯度下降法在测试集上，通过最小化代价函数（成本函数〉J(w,b)来训练的参数w和b，
找到全局最优解，也就是代价函数（成本函数）J(w, b)这 个凸函数的最小值点，这个函数含有两个参数w和b。
二、向量化 (Vectorization)
向量化是非常基础的去除代码中 for循环的艺术，通过 numpy内置函数和避开显式的循环( loop)的方式进行 向量化，从而有效提高代码速度。
三、 Python 中的广播（ Broadcasting in Python ）
numpy广播机制：
如果两个数组的后缘维度的轴长度相符或其中一方的轴长度为 1 ，则认为它们是广播兼
容的。广播会在缺失维度和轴长度为 1 的维度上进行。
在 numpy 中，当一个 4 × 1 的列向量与一个常数做加法时，实际上会将常数扩展为一
个 4 × 1 的列向量，然后两者做逐元素加法。
m × n的矩阵和 1 × n 的矩阵相加。在执行加法操作时，其实是将 1 × ?的矩阵复制成为? × ?的矩阵，然后两 者做逐元素加法得到结果.
Original: https://blog.csdn.net/qq_45948088/article/details/122033907
Author: qq_45948088
Title: 吴恩达深度学习笔记——DAY2
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/761832/
转载文章受原作者版权保护。转载请注明原作者出处！