机器学习—在一个单层中的前向传播
如何在单层中实现前进道具？
继续以显示的咖啡烘焙模型，如何取输入特征向量X，并在这个Python实现中实现forward prop以获得这个输出a，用D数组来表示所有这些向量和参数，所以这里只有一个方括号，这是Python中的一个D数组，而不是一个二维矩阵，所以需要计算的第一个值是一个上标方括号，一个下标，它是一个的第一个激活值，即表达式g，现在规定一下，像W1[2]这样的术语表示为W2_1，所以要计算a1[1]，有参数w1_1和b1_1，然后计算z1_1，然后a1_1=g()，应用于z的Z状结肠函数。以此类推，计算a1_2,a1_3,把这三个数字组合成一个数组a1，它是第一层的输出，因此，可以通过使用numpy数组将它们分组在一起来实现这一点，现在已经计算出a1，然后实现第二层来计算输出a2，所以用a2_1=g(w2_1*a[1]+b2_1)来计算a2。
