前向目的：得到输出值 （即
）
后向目的：得到dz,dw,db（此处都是指dL/d...，损失函数对对应项的微分），进而得到梯度更新。（其中由于链式法则，dz,dw,db中都有y项）
权重w（a,b）: 维度a指本层的神经元个数，维度b指输入层X特征向量包含元素个数。
a=（z）, a：active function.
程序实现时：每一个样本可以使用矩阵运算代替for循环，但是样本间的迭代还是需要for循环。
当|z|很大时，激活函数的梯度很小，因此在这个区域内，梯度下降算法运行得很慢。实际应用中应尽量避免z落在这个区域，应使|z|尽可能限定在零值附近，从而提高梯度下降算法运算速度。因此ReLU激活函数出现了（缺点：Z<0，梯度为0），以及改进的Leaky ReLU函数。（因此在应用sigmoid函数或tanh函数，权重初始化时乘上一个小数如0.01）
如果是分类问题：一般隐藏层采用ReLU激活函数或Leaky ReLU函数，输出层采用sigmoid函数。
如果激活函数采用线型激活函数：则最终输出值依然是变量X的线性组合，神经网络与直接使用线性模型就没什么不同了。因此隐藏层必须是非线性的。（回归预测y连续值问题：输出层可以使用线性激活函数）
权重必须随机初始化：如果全部初始化为0，则每个神经元的权重完全相同，隐藏层设置多个神经元失去意义。
但是参数b可以全部初始化为0.