吴恩达神经网络Course1 -week3

构建神经网络的一般方法是：

1. 定义神经网络结构（输入单元的数量，隐藏单元的数量等）。
2. 初始化模型的参数
3. 循环：

• 实施前向传播
• 计算损失
• 实现向后传播
• 更新参数（梯度下降）

??我们要它们合并到一个nn_model() 函数中，当我们构建好了nn_model（）并学习了正确的参数，我们就可以预测新的数据。

定义神经网络结构

在构建之前，我们要先把神经网络的结构给定义好：

• n_x: 输入层的数量
• n_h: 隐藏层的数量（这里设置为4）
• n_y: 输出层的数量

初始化模型的参数

在这里，我们要实现函数initialize_parameters()。我们要确保我们的参数大小合适，如果需要的话，请参考上面的神经网络图。
我们将会用随机值初始化权重矩阵。

• np.random.randn(a，b)* 0.01来随机初始化一个维度为(a，b)的矩阵。

将偏向量初始化为零。

• np.zeros((a，b))用零初始化矩阵（a，b）。

后向传播 

更新参数

我们需要使用(dW1, db1, dW2, db2)来更新(W1, b1, W2, b2)。