手写多层感知机（简单BP网络）

研一时候没有选学校的模式识别课程，心里总感觉缺了点什么哈哈。
最近实验室师弟上这门课，老师布置了一个手写神经网络的作业，想想自己之前的实验都用的人家的框架，干脆这次自己也花点时间拿着个作业练练手。

我实现的就是一个非常简单的网络结构，网络层数可以随意加。
网络层类型：全连接
激活函数：Sigmoid
训练损失函数：欧氏距离
主要实现功能：1.前向传播（Test）；2.训练过程（Training）

import numpy as np


def sigmoid(x):
    # return x
    return 1.0 / (1.0 + np.exp(-x))

def sigmoid_dev(x):
    # return 1
	return x*(1-x)


class fc_layer:

    def __init__(self,name,shape,mean_,variance_):
        # args:  name: String. The name of this layer.
        #       shape: List or Numpy array.  The shape of this full-connected layers
        #               like [3,10]
		#		 mean_: Using normal distribution to initialize the network,
		#				mean_ is the mean for normal distribution.
		#		variance_: Using normal distribution to initialize the network,
		#					variance_ is the variance for normal distribution. 

        self.name=name			 # String, the name of this layer
        self.shape=shape         # Matrix(numpy array), represent the shape of this layer 
		self.output=None         # Vector(numpy array), the output of this layer
        
        self.weight=np.random.normal(mean_,variance_