1. 通常情況下，我們使用L表示神經網路的層數，n表示神經網路的各個網路層的神經元個數，使用a=g(z)表示各個層所用的啟用函式，同理，z中的引數使用w和b表示。具體寫法如圖：

2. 前向反饋的表示方法

所有樣本的前向反饋的表示方法

3. 我們在編碼深度神經網路時候需要注意各個向量的維數的正確性，以減少程式碼的bug。理解矩陣的乘法對此非常有幫助。

4. 為什麼深度神經網路比淺層神經網路更好？

    解釋一

    深度神經網路可以實現這樣一種模式：前幾層的神經網路層獲取聲音或影象的較低層次的資訊，後面的神經網路層可以獲取較高層次的資訊。

   解釋二

   如圖是一種用n個數進行異或來舉的直觀的說明：

5. 深度神經網路塊

巨集觀上看這些神經網路塊：

6. 建立前向傳播與反向傳播

                                                                                     <前向傳播>

                                                                                    <反向傳播>

                                                                                    <巨集觀>

7. 引數與超引數

     引數：w b

    超引數：α（學習率）num（梯度下降法迴圈次數）L（隱藏層數目）n[1]、...（隱藏單元數目）等等。它們最終控制了最後引數w和b的值，所以被稱為超引數。

8. 調參

9. 採訪…