下图中的每个node可以是任意维度的，而不仅仅是图中的示例。
而，如下图示，如果要同时算e对a和e对b的偏微分的话，需要一个reverse mode
所以，上图用的computational graph算所有edge上的偏微分，如果edge两遍都是vector的话，我们得到的就是同一个matrix，如上图底部；
如下图，如果算C对y的偏微分，因为C是一个scalar，所以结果一般是一个长条状的，例如，如果算在MNist的数字识别时，C对y的偏微分结果就是高为1，
宽为10的长条，也即一行十列的向量。
如果时分类问题的话，一般你的label用one hot encode来表示，只有其中一维时1，其他的都是0；假设1的那一维时第r维，
