深层神经网络理解： 假设1：神经网络的层数是2层，隐藏层L1和输出层L2,输入层不算但记作L0； 假设2：L0层有节点参数n个，L1有节点参数8个，L2有节点参数1个； 假设3：分析的是单条数据； 判断w和b的形状： 1. L0有n个节点，那么就有n个w值，这里假设L1有一个节点，则W0为一个nx1的矩阵，n行1列，和x乘得出L1层里面的一个节点，注意一个节点，但是L1层有8个节点呀！怎么办？需要有8组nx1的单矩阵和x相乘，才能算出8个节点上的值，那么就得出W0是一个nx8的矩阵，n行8列，第一列和x相乘对应L1层的第一个节点值，以此类推，算出八个值。总结W0为一个n行8列的矩阵； 2. 接着，得出L1的8个数后，L2有一个节点，L1的w值就是一个8个，得出输出层L2的一个节点上的数，只需要1列，则W1就是一个8x1列的矩阵；