先放上题目：
下面是我的学习和分析（因Coursera荣誉准则要求，避免与他人分享答案，这里我只放出我学习过程中疑惑或者学习到的地方。）：
1.what does neuron compute?神经元计算做了什么？
视频中讲述，一个神经元是计算是计算一个线性函数，然后紧跟着一个激活函数（sigmoid or Relu）
2.Logistic Loss --Loss Function 衡量单个样本集的实验效果
Logistic Cost --Cost Function 在全体样本集上看w,b的效果
3.····reshape this into a colunmn vector?如何重构成一个列向量？列向量显然是（m，1）矩阵
一张像素为64*64的图片，用红、绿、蓝三色矩阵来表示一张图片，这三个都是（64,64）矩阵
4.(2,3)矩阵+(2,1)矩阵，在计算前会将（2,1）矩阵的列复制为三列，然后再相加，得到一个（2,3）矩阵
5.（4,3）矩阵 （3,2）矩阵==》Error! the sizes don't match!
""是元素的乘法运算，运用于数组中，是数组元素逐个计算，当行数相等列数为1（或者列数相等行数为1时）会引起矩阵的广播。而（4,3）*（3,2）不会引起矩阵的广播。
np.dot(a,b)：两个数组的点积，运用于数组中，是按照矩阵乘法的规则matrix multiplication（第一个矩阵第m行与第二个矩阵第n列对应位置的每个值的乘积之和，作为结果矩阵第m行与第n列交叉位置的值）来运算。矩阵的乘法规则要求A的列数等于B的行数。
Nx列，m行
np.dot((12288,150),(150,45))
--(12288,150)矩阵和(150,45)矩阵做矩阵的乘法运算，得到（12288,45）vectorize this 对其矢量化
for i in range(3):
for j in range(4):
c[i][j] = a[i][j] + b[j]
如题，想用矩阵的运算来代替题目中的for循环，注意到a是（3,4）矩阵，b是（4,1）矩阵，且根据题中的for循环得到，c是（3,4）矩阵。
显然，通过（3,4）+（1,4）并且运用广播的规则，可以得到（3,4）目标矩阵。“”：元素相乘，如题矩阵（3,3）（3,1）会引起矩阵的广播，得到结果为（3,3）的矩阵。
矩阵的乘法（np.dot(A,B)）：需要A的列数等于B的行数。简单计算
