编程作业: Regularization梯度值计算出错

Question

# GRADED FUNCTION: gradient_check def gradient_check(x, theta, epsilon = 1e-7):     """     Implement the backward propagation presented in Figure 1.          Arguments:     x -- a real-valued input     theta -- our parameter, a real number as well     epsilon -- tiny shift to the input to compute approximated gradient with formula(1)          Returns:     difference -- difference (2) between the approximated gradient and the backward propagation gradient     """          # Compute gradapprox using left side of formula (1). epsilon is small enough, you don't need to worry about the limit.     ### START CODE HERE ### (approx. 5 lines)     thetaplus = theta+0.01                               # Step 1     thetaminus = theta-0.01                              # Step 2     J_plus = forward_propagation(x,thetaplus)                                  # Step 3     J_minus = forward_propagation(x,thetaminus)                                 # Step 4     gradapprox = (J_plus-J_minus)/(2*0.01)                              # Step 5     ### END CODE HERE ###          # Check if gradapprox is close enough to the output of backward_propagation()     ### START CODE HERE ### (approx. 1 line)     grad = backward_propagation(x,theta)     ### END CODE HERE ###          ### START CODE HERE ### (approx. 1 line)     numerator = np.linalg.norm(gradapprox-grad)                               # Step 1'     denominator = np.linalg.norm(grad)+np.linalg.norm(gradapprox)                             # Step 2'     difference = numerator/denominator                              # Step 3'     ### END CODE HERE ###          if difference < 1e-7:         print ("The gradient is correct!")     else:         print ("The gradient is wrong!")          return difference我怀疑是下面图的地方出错了，但不知道怎么修改呀？解决：epsilon = 1e-7应该被使用，而不是0.01