每天五分钟深度学习:向量化方式完成逻辑回归m个样本的前向传播

avatar
作者
猴君
阅读量:0

本文重点

我们已经知道了向量化可以明显的加速程序的运行速度,本节课程将使用向量化来完成逻辑回归的前向传播,不使用一个for循环。

逻辑回归的前向传播

我们先来回忆一下逻辑回归的前向传播,如果我们有m个训练样本,首先对第一个样本进行预测,我们需要计算z,然后计算预测值a,其它样本也是这个过程,下面是两个样本x(1)、x(2)的计算过程

通过上面的计算方式,我们就可以将全部m个样本计算出来了。但是我们需要做m次前向传播才可以计算出m个样本的预测值。

向量化

下面我们将使用向量化的方法来完成逻辑回归的前向传播,我们定义一个矩阵X,每一列是一个样本。

我们的权重参数W向量是列向量,W的转置就是行向量

W的转置*X表示W和X的每一列相乘,结果为1*m的行向量

然后加上行向量[b,b,b,b,b..,b],将b加到每个元素上,最终为一个Z组成的行向量1*m:

这样我们就通过向量的方式计算出来了,为了完成上面的计算,我们可以使用

广告一刻

为您即时展示最新活动产品广告消息,让您随时掌握产品活动新动态!