1.之前学习了如何通过向量化同时计算整个训练集预测值a。本次课程将会学习如何同时向量化计算m个训练集的梯度，之前的计算得到dz的计算形式：
，我们可以将dz写成一个1*m的矩阵，
，之前定义过A
，定义了Y为：
这样一个行向量。这样计算dz=A-Y，
2.我们已经去掉了一个for循环，我们将dw初始化为0向量，即dw=0，但是我们还有一个遍历训练集的循环，
即：dw=0;
dw+=x(1)dz(1)；dw+=x(2)dz(2)
这样的过程我么进行m此，然后用dw/=m
我们将db初始化为0向量，db+=dz(1)，db+=dz(2)，一直写下去直到db(m)，接着计算db/=m
(1)接下来我们继续用向量化的手段来减少一个for循环，向量化实现db只需要对所有的d(z)求和，然后除以m，即
，在python中进行计算，只需要：
将这个变量传递给np.sum函数计算，就可以得到db。对于dw的计算，只需要通过
(2)没有向量化的效率非常低，所以计算
，就可以通过
(3)然后计算dw和db
(4)更新w和b
