1.深层神经网络
计算神经网络的层数时，不计算输入层，只算隐藏层和输出层。
对于一个任务，需要构建多少层神经网络，这个不好预测，因此一般先使用逻辑回归，尝试一层或者两层隐藏层，把隐藏层数当做一个超参数，在交叉验证数据或者开发集数据进行评估。
2.前向传播和反向传播
这一块和之前没啥区别，同样是单样本+向量化的推导，貌似就是最后搞了一个三层的神经网络计算。（两个ReLU和一个sigmoid输出）
3.深层网络中的前向传播
对于深层网络的前向传播来说，可以归纳为多次迭代计算z和a。
4.核对函数的维数
5.为什么使用深层表示？
6.搭建神经网络块
7.参数VS超参数
8.深度学习和大脑的关联性
