딥러닝 1단계 <많은 샘플에 대한 벡터화>

<많은 샘플에 대한 벡터화>

https://www.edwith.org/deeplearningai1/lecture/34822/

[LECTURE] 많은 샘플에 대한 벡터화 : edwith

- 입력 특성 벡터인 x가 주어졌을 때 한 훈련 샘플에 대해 y^인 a^[2]를 계산해줌

- 모든 훈련 샘플의 예측값을 벡터화되지 않은 방법으로 계산한다면 for문 사용

- for문을 없애기 위해 벡터화

- X는 훈련 샘플을 열로 쌓은 행렬

- 벡터였던 소문자 x를 열로 쌓아 행렬인 대문자 X를 얻음

- 열 벡터인 z^[1](1), z^[1](2)부터 z^[1](m)까지 전체 m개를 열로(가로로) 쌓아 행렬 Z^[1] 얻음

- a도 a^[1](1)부터 a^[1](m)까지 열로 쌓는다면 A^[1]이 됨

- 행렬(X, Z, A)의 가로는 훈련 샘플의 번호가 됨, 각각 다른 훈련 샘플에 대응

- 행렬(X, Z, A)의 세로는 신경망의 노드(은닉 유닛)