初始化两层网络和L层神经网络

好的，我来回答你的问题。

对于两层的网络，我们可以使用下面的代码进行初始化：

import numpy as np

def initialize_parameters(n_x, n_h, n_y):
    np.random.seed(1)

    W1 = np.random.randn(n_h, n_x) * 0.01
    b1 = np.zeros((n_h, 1))
    W2 = np.random.randn(n_y, n_h) * 0.01
    b2 = np.zeros((n_y, 1))

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

    return parameters

其中，n_x 是输入层的节点数，n_h 是隐藏层的节点数，n_y 是输出层的节点数。这个函数会返回一个字典，包含了初始化后的参数。

对于 L 层神经网络，我们可以使用下面的代码进行初始化：

def initialize_parameters_deep(layer_dims):
    np.random.seed(3)
    parameters = {}
    L = len(layer_dims)

    for l in range(1, L):
        parameters['W' + str(l)] = np.random.randn(layer_dims[l], layer_dims[l-1]) * 0.01
        parameters['b' + str(l)] = np.zeros((layer_dims[l], 1))

    return parameters

其中，layer_dims 是一个列表，它包含了每一层的节点数。这个函数会返回一个字典，包含了初始化后的参数。