深度学习——第9章 项目实战：让你的神经网络模型越来越深

9.1 导入数据集

9.2 预处理

9.3 初始化参数 W 和 b

9.4 正向传播单层神经元

9.5 正向传播 L 层神经元

9.6 损失函数

9.7 反向传播单层神经元

9.8 反向传播 L 层神经元

9.9 更新网络参数 W 和 b

9.10 整个神经网络模型

9.11 模型预测

9.12 训练模型

上一课主要介绍了深层神经网络模型的结构和常用的标记方法，详细推导了深层神经网络模型的正向传播和反向传播过程，并在最后介绍了多分类 Softmax模型。

本节将搭建一个较深层的神经网络来解决猫和狗的分类问题。这是一个典型的二分类问题。输入是一张图片，我们会把 3 通道的 RGB 图片拉伸为一维数据作为神经网