工作流程(正向传播)：
每个节点：
它接受一个1*m的向量x，通过X = x*W.T + b y = f(X) 然后输出y f是激活函数
每一层：
它接受一个 1*n1的向量 通过自己神经节点的转化 输出一个 1*n2的向量
n1为上一层的节点个数 n2为这一层的节点个数
对于这一层的每个节点 它的W是1*n1向量(因为我们写的是卷积神经网络嘛)
这个神经网络：
它接受一个1*n向量 这个是表示目标的特征 输出一个0到1之间的数字 表示这个问题为 1 的概率是多少
训练过程(反向传播)：
该说的都在图里了
这里有个地方写错了
w1' = w1 - x'*a1*alaph
alaph表示的是学习率(Learning Rate)