Neural Network Representation(神经网络的表示)

输入层：我们有输入特征𝑥1、𝑥2、𝑥3，(nx =3)它们被竖直地堆叠起来，这叫做神经网络的输入层
我们将输入层的激活值称为𝑎[0]，下一层即隐藏层也同样会产生一些激活值，那么我将其记作𝑎[1]，这里的第一个单元或结点我们将其表示为𝑎[1]，第二个结点的值我们记为𝑎[1]以此类推。左上标[]对应层数，右下标对应结点，输入层的结点个数等于输入特征的维度nx ， 隐藏层的结点数个人定义。

Computing a Neural Network’s output（神经网络的计算）

->->
首先计算出𝑧（线性），然后在计算激活函数得出𝑎（非线形），一个神经网络只是这样子做了好多次重复计算。

Vectorizing across multiple examples（多样本向量化）

上述公式加上第 i 个样本的含义之后，公署表示如下：
第一层：第二层：

这种符号其中一个作用就是，可以通过训练样本来进行索引。这就是水平索引对应于不同的训练样本的原因，这些训练样本是从左到右扫描训练集而得到的。在垂直方向，这个垂直索引对应于神经网络中的不同节点。可以用理解为𝐴[1]中间结点的输出结果，它的维度取决于当前隐藏层的结点个数（HiddenSize）。