# 1.初始化参数definitialize_parameters(n_x,n_h,n_y):np.random.seed(2)

初始化参数是神经网络训练开始前设置模型权重的过程，在这里，`n_x`、`n_h` 和 `n_y` 分别代表输入层（number of input units）、隐藏层（number of hidden units）和输出层（number of output units）的大小。在这个函数中，通常会使用随机种子确保每次运行时得到一致的随机初始值，以便于比较和复现结果。

这个`initialize_parameters`函数可能是Python中的NumPy库操作，例如：

import numpy as np

def initialize_parameters(n_x, n_h, n_y):
    np.random.seed(2)  # 设置随机种子
    # 初始化权重矩阵，采用小范围的均匀分布
    W1 = np.random.uniform(-np.sqrt(6 / (n_x + n_h)), np.sqrt(6 / (n_x + n_h)), (n_h, n_x))
    b1 = np.zeros((n_h, 1))
    
    # 同理初始化第二个隐藏层到输出层的权重和偏置
    W2 = np.random.uniform(-np.sqrt(6 / (n_h + n_y)), np.sqrt(6 / (n_h + n_y)), (n_y, n_h))
    b2 = np.zeros((n_y, 1))

    parameters = {"W1": W1, "b1": b1, "W2": W2, "b2": b2}
    return parameters