2.1神經傳導原理
y=activation（x*w+b）
激活函數通常為非線性函數 Sigmoid 函數 和 ReLU函數
2.2以矩陣運算模仿真神經網絡
y=activation(x*w+b)
輸出=激活函數（輸入*權重+偏差）
2.3多層感知器模型
1以多層感知器模型識別minst 手寫數字圖像
輸入層的數據 是28*28的二維圖像 以reshape 轉換為1 維的向量 作為784個神經元的shuru
輸入層 784 個輸入神經元接收外界信號
隱藏層 模擬內部神經元 共有 256個隱藏神經元
輸出層 10個輸出神經元就是預測的結果
對應我們希望預測的數字 0-9共有10個結果