吴恩达神经网络和深度学习笔记（7.24）

梯度下降法:

通过最小化代价函数（成本函数）来训练的参数w和b

步骤：

1、初始化w和b 无论在哪里初始化，应该达到同一点或大致相同的点

2.朝最陡的下坡方向走一步，不断地迭代

3.直到走到全局最优解或者接近全局最优解的地方

m 个样本的梯度下降:

向量化:代替for循环 向量化实现将会非常直接计算

：z=np.dot(w,x)+b

u=np.log是计算对数函数()、 np.abs() 是计算数据的绝对值、np.maximum() 计算元素中的最大值，你也可以 np.maximum(v,0) 、  代表获得元素y每个值得平方

不用for循环做法：

广播

A.sum(axis = 0)中的参数axis。axis用来指明将要进行的运算是沿着哪个轴执行，在numpy中，0轴是垂直的，也就是列，而1轴是水平的，也就是行