这里我对我学到的神经网络知识中，常见的符号做一下记录和总结，方便自己在后面学习中复习。下图二分类识别图像识别猫为例。为了保存一张图片，需要三个矩阵，它们分别对应图片中的红、绿、蓝三种颜色通道，如果图片大小为64x64像素，那么就有三个规模为64x64的矩阵，分别对应图片中红、绿、蓝三种像素的强度值。
为了把这些像素值放到一个特征向量中，我们需要把这些像素值提取出来，然后放入一个特征向量
。我们用
，来表示输入特征向量的维度。有时候为了简洁，我会直接用小写
的来表示输入特征向量的维度。所以在二分类问题中，我们的目标就是习得一个分类器，它以图片的特征向量作为输入，然后预测输出结果
为1还是0，预测图片中是否有猫。
|-----------------------------------------------------------------------------------------------------------------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| 符号 | 解释 |
| 
| 表示样本数目 |
| | 特征的维度 |
| | 特征向量，一个
维特征向量，他是神经网络的输入数据，
|
| | 实际值，真实图片中到底是不是猫，取值为
|
| 
| 预测值，表示神经网络的输出结果，二分类任务中取值为 |
| 
| 表示第
组数据，可能是训练数据，也可能是测试数据，此处默认为训练数据 |
| 
| 表示所有的训练数据集的输入值，放在一个
的矩阵中 |
| 
| 表示所有训练数据集的输出值，放在一个
的矩阵中 |
| 
| 测试集的样本数 |
| 
| 训练集的样本数 |