2.1神经网络基础-二分分类

                  

                    如上图所示：计算机在保存一个图片时，会用三个独立的矩阵来记录，如green 、red、 blue 各自有一个矩阵，这个图片有64*64的像素，那么就有三个这样的矩阵保存，现在我们用一个特征向量X来表示，将每个矩阵所包含的数据都记录在X中，N=64*64*3=12288，也就是X是一个N*12288的列向量。在一个神经网络里，把这个X作为输入，那么对应的X有一个输出Y，这个Y的值只有{0,1}---->0 表示没有猫，1表示有猫  ，1（cat）vs 0 ( nocat ),那么（X,Y）就有可以表示一个样本，Y的取值（0，1），这样一个关于 m  training  example（如下图）就表示出来了。

                           

                        

                      我们把所有的X^(1,2,3....n)（因为一个小X本身就是一个矩阵）整理成一个矩阵，Y也是如此，X^(1，...,n)是一个m*n的矩阵，Y是一个1*m的矩阵。

          在python中，你可以用X.shape，Y.shape得到这两个表示的矩阵。