1 结构

第0层是输入层，输入为X，维度为，其中表示第0层含有的节点，也是X的特征数。表示样本数。

以此类推，第1层的节点数，第2层的节点数，...，第L层的节点数。

2 正向过程

第0层输入层数据，维度。表示第0层含有的节点，也是X的特征数。表示样本数。

第1层：，。表示第1层权值，维度。表示第1层偏置，维度，这里的加号“+”，使用了广播方式，会将按列复制成维度，从而与前面的相加。是第1层线性处理后的值，维度。表示第1层的激活函数，表示第1层的输出，维度

第2层：，。表示第2层权值，维度。表示第2层偏置，维度。是第2层线性处理后的值，维度。表示第2层的激活函数，表示第2层的输出，维度

第L层：，。表示第L层权值，维度。表示第L层偏置，维度。是第L层线性处理后的值，维度。表示第L层的激活函数，表示第L层的输出，维度。就是网络的输出。

写在一起就是：

3 loss

损失函数可以有很多，如交叉熵，MSE等等

4 反向传播

后续的，以此类推即可完成所有层的反向传播。