1.1 为什么要用 Backpropagation
在神经网络中求解最优模型参数，使用的梯度下降算法和之前求线性回归方程中用的没有太大的区别，都是不断的计算微分，然后更新参数，最终找到一个最优解。但是在神经网络中，有着大量可能多达上百万个的参数，所以传统的求微分方法行不通，计算量太大无法快速有效的求出微分。
1.2原理的数学基础，链式求导法则
Backprogation 中设计的最重要的数学知识就是 chain rule，通过下面的图片回顾一下。这个都不会就要回去读高中了。
2 Backpropagation
1.Forward Pass： 算出每一层的输出 a，也就是 ∂z/∂w
2.Backward Pass： 反转神经网络，从输出层往回计算每一层的 ∂C/∂z.
3.根据forward pass与backward pass前面算出来的两项，得到 ∂C/∂w.
