1.單個神經元
單個神經元的輸入由前一層各個神經元的輸出x1、x2、x3經過權重w1、w2、w3后得到的結果，我們知道
，對於一個神經元來說，這其中的W、X、b均是[n*1]維列向量，也即
,
，如果再有更多的輸入，就在往后加，這沒啥難理解的。
2.一層網絡
神經網絡中，有輸入層，隱藏層，輸出層，以下圖為例來說明，輸入層我們記為X[0]，隱藏層有兩層，包含W[1]、X[1]、b[1]、Z[1]以及W[2]、X[2]、b[2]、Z[2]，輸出層W[3]、X[3]、b[3]、Z[3]
我們來寫一下隱藏層的第一層的計算過程，2--->4,2個神經元到4個神經元的過程，我們能確定第二層的W是一個4行2列的矩陣，X是2行1列的矩陣，b是4行1列矩陣，Z也是4行1列的矩陣，在寫的時候，可以使用這個小技巧，寫W的時候，豎着寫，w11代表前一層的第1個神經元到本層的第1個神經元的權重，w12代表前一層的第1個神經元到本層的第2個神經元，wij代表前一層的第i個神經元到本層的第j個神經元，寫X的時候也豎着寫，有幾個寫幾個，所以X必然是列數為1 的矩陣，b和Z類似。
簡單總結一下，這幾個變量的維度是：
W：行數是當前神經元的個數，列數是前一層的神經元的個數（或者輸入層特征個數）
Z和b：行數是當前神經元的個數，列數是1
X：行數是前一層神經元的個數，列數是1
