http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2017/Lecture/DL.mp4
1、步骤
Step1：就是Neural Network。
2、概念
一个logistics regression就是一个Neural，将多个logistics regression连接起来就是Neural Network。（连接方式有很多种）
参数：每个logistics regression都有自己的weight和bias。所有的权重和偏差就是Neural Network的参数。
连接方式：全连接
全连接的神经网络中如果知道每一个激活函数的权重和偏差（参数），则神经网络就是一个函数，它的输入和输出都是向量。
输入层＋隐藏层＋输出层，每一层就是一个神经。
深层（Deep):隐藏层有多层。
手写识别的例子：
输入一张手写图片，则它的输入为256大小的向量（像素），输出就是0-9这10个类别。
输入：256向量
输出：10向量
过程经过隐藏层（多层），神经网络就是求参数，如果隐藏层的层数、连接方式、激活函数都确定。
模型：即损失函数，可用交叉熵来设定，因为输出的向量为概率值。
求解：GD（梯度下降）