1.计算图的导数计算
正向比如说是计算代价函数值,反向就是增大多少a/b/c对J的影响,也就是导数的意义,这里讲的是求导链式法则。
2.向量化 节约大量计算时间
简直是100倍的时间,看来之前实现的那个代码根本就不能用好几层for循环来实现,时间太长了啦!第一次知道。
3.Py中的广播
使用对列求和,并/原来的矩阵,b将会被复制3份。
第一个对100复制为一个行向量,第二个复制为矩阵。
4.numpy中的向量
对于第一行,不建议使用,因为a是一个(5,)的数组,而是应该声明为矩阵,1*n或者n*1,是行向量或者列向量,或者使用reshape。
可以使用assert来随时声明矩阵的维度。