这是一个双层的神经网络 2 layer NN，包括隐藏层 hidden layer 和输出层 output layer（一般不将输入层视作完整的层。）
输入层：![a^{[0]}](https://latex.csdn.net/eq?a%5E%7B%5B0%5D%7D)
, 可以视作第0层，包含3个特征输入X1,X2,X3
隐藏层：![a^{[1]}](https://latex.csdn.net/eq?a%5E%7B%5B1%5D%7D)
,层中有4个节点，分别表示为![a_{1}^{[1]}](https://latex.csdn.net/eq?a_%7B1%7D%5E%7B%5B1%5D%7D)
,![a_{2}^{[1]}](https://latex.csdn.net/eq?a_%7B2%7D%5E%7B%5B1%5D%7D)
,![a_{3}^{[1]}](https://latex.csdn.net/eq?a_%7B3%7D%5E%7B%5B1%5D%7D)
,![a_{4}^{[1]}](https://latex.csdn.net/eq?a_%7B4%7D%5E%7B%5B1%5D%7D)
,每个节点的计算如下。
将计算过程向量化：
其中w参数矩阵表示为,因为有三个输入，四个输出，所以矩阵的shape为（4，3），（3，4）也是可以的，无非就是一个转置的关系。
输出层：![a^{[2]}](https://latex.csdn.net/eq?a%5E%7B%5B2%5D%7D)
，计算方法类似
3244
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
