正向传播和反向传播的理解
step1初始化：定义一个基本的神经网路，如下，初始化参数，目的是求出参数W，使得在输入X，损失函数值最小。
step2正向传播：正向传播计算出中间的值，因为待会的反向传播会用到
step3 反向传播：计算目标函数对于各个参数的梯度，同时
更新参数，沿着梯度调整参数，更快收敛，但要设置好学习率，过大可能导致无法收敛，学习率设置太小，网络收敛会非常缓慢 。
step4重复：当损失函数达到我们想要的误差停止，得到的参数即为我们想要的权重，可用来预测。
step1初始化：定义一个基本的神经网路，如下，初始化参数，目的是求出参数W，使得在输入X，损失函数值最小。
step2正向传播：正向传播计算出中间的值，因为待会的反向传播会用到
step3 反向传播：计算目标函数对于各个参数的梯度，同时
更新参数，沿着梯度调整参数，更快收敛，但要设置好学习率，过大可能导致无法收敛，学习率设置太小，网络收敛会非常缓慢 。
step4重复：当损失函数达到我们想要的误差停止，得到的参数即为我们想要的权重，可用来预测。