我想要x和y轴相等的长度（的即 情节减去传说应该是正方形）。我希望在外面绘制图例（我已经能够将图例放在框外）。的跨度x axis中的数据（x_max - x_min）是不一样的跨度y axis中的数据（y_max - y_min）。
这是我目前所拥有的代码的相关部分：
plt.legend(loc='center left', bbox_to_anchor=(1, 0.5), fontsize=15 )
plt.axis('equal')
plt.tight_layout()
以下链接是我得到的输出图的示例：plot
我怎样才能做到这一点？
我的问题是当隐藏单元的数量大于 1 时，深度神经网络的前向和后向传播。
如果我只有一个隐藏层，我知道我必须做什么。在单个隐藏层的情况下，如果我的输入数据X_train有n样本，d特征数量（即X_train是一个(n, d)维矩阵，y_train是一个(n,1) 维向量），并且如果我h1在我的第一个隐藏层中有多个隐藏单元，那么我使用Z_h1 = (X_train * w_h1) + b_h1（其中w_h1是用随机数项的权重矩阵，其具有的形状(d, h1)和b_h1是一个偏置部具有形状(h1,1)。我使用乙状结肠激活A_h1 = sigmoid(Z_h1)，发现二者A_h1并Z_h1具有这样的形状(n, h1)，如果我t的输出单元的数量，然后我使用的权重矩阵w_out，其尺寸(h1, t)和b_out与形状(t,1)得到输出Z_out = (A_h1 * w_h1) + b_h1。从这里我可以得到A_out = sigmoid(Z_out)
它的形状(n, t)。如果我在第一个隐藏层之后和输出层之前有第二个隐藏层（单位数为 h2），那么我必须在前向传播中添加哪些步骤以及应该修改哪些步骤？
我也有关于如何在单隐藏层神经网络的情况下解决反向传播的想法。在先前段落中的单个隐藏层的例子，我知道，在第一反向传播步骤(output layer …
