深度神经网络（多层感知机）反向传播算法(BP-back propagation)实现备忘录

在AI-100第六周多层感知机和深度神经网络学习中，有一个算例（两层网络，1个两维的输入数据，每层神经元数量都是2个，激活函数为sigmoid函数，损失函数为二次损失），可以通过手工计算各层前馈运算值，通过损失函数计算各权重参数的梯度（损失函数的反向传播算法），更新完各层权重参数后，再次前馈-反向-前馈-反向……-前馈，直到模型输出值与标签值基本相等。