发布时间：2022-10-09 13:00
目录
【实验目标】
【实验内容】
【数据集介绍】
【代码要求】
定义模型结构
初始化模型的参数
循环
计算当前损失（前向传播），请使用Relu激活函数。
计算当前梯度（反向传播）
更新参数（梯度下降）
【文档要求】
1.对比使用逻辑回归和使用具有1层隐藏层神经网络的分类效果（请粘贴2种方法分类效果图），哪种效果更好，分析原因。
2.调整隐藏层大小（至少5种大小），观察不同大小隐藏层的模型的不同表现，请粘贴分类效果图，当隐藏层过大或过小时，会出现什么问题，并分析原因。
利用具有1层隐藏层的神经网络分类红色和蓝色的花。参考1 和 参考2
2分类数据集flower，红色和蓝色点的“花”。使用X, Y = planar_utils.load_planar_dataset()加载数据集，X为样本，共有400个，Y为样本对应的标签，0表示红色，1表示蓝色。