吴恩达深度学习——个人笔记总结（第二课第一周）
发布时间：2022-09-05 01:00
本文是记录在学习吴恩达老师深度学习的课程中，自己对其中一些知识的理解和相关推导，如有错误希望各位前辈指教。
1.9 Normalizing training sets
在视频中出现了归一化的方法：（注意：该归一化方法是将原始数据转化为均值为0，方差为1的分布）
第一步：零均值化 （中间坐标显示）
第二部：单位方差 （最右坐标显示）
对于其中为什么 
极其疑惑，搜索了很多网站，发现公式应为
。
为什么能够将方差变为1？
1.11 神经网络的权重初始化
这里提出的初始化方法叫做Xavier 初始化方法：为什么V=1/n[L-1]?
参考链接：https://zhuanlan.zhihu.com/p/27919794，图中的回答是链接中一部分。
而为什么
也是为了把W的方差变为1/n[L-1]。
相关推荐
Python爬虫实战，requests模块，Python实现IMDB电影top数据可视化
matplotlib学习 设置图片大小、windows和linux设置字体的方式、频数直方图偏移现象、normed=True无效
【嵌入式Linux应用】初步移植MQTT到Ubuntu和Linux开发板
Golang RPC （一）Go标准库的简单实现 介绍+使用
iot架构 mqtt netty_Netty实现高性能IOT服务器(Groza)之手撕MQTT协议篇上
【NLP】四万字全面详解 | 深度学习中的注意力机制（四，完结篇）
zookeeper dubbo php,ZooKeeper分布式专题与Dubbo微服务入门 (完整版)
openharmony北向应用开发实例之HelloWorld