1. softmax函数：我认为是将输入转化为输出的一个巧妙的函数...
link：http://blog.csdn.net/hejunqing14/article/details/48980321
2. 权重的第二范式（l2-norm）：这个第二范式和数据库不一样。在深度学习里，第二范式代表权重的平方||W||2（2是上标）。与之对应的第一范式则是权重绝对值|W|
l1-norm：曼哈顿距离，可以理解为绝对值相加，l1-norm为1的向量图
l2-norm：欧几里得距离。，可以理解为各个分量平方相加：
参考知乎：https://www.zhihu.com/question/29458275
加强版：http://blog.csdn.net/zouxy09/article/details/24971995（反正我还没看完过...deadline要到了。。。）
3. 矩阵W【i,;】：矩阵的第i行的所有列。就像W【：，a：b】表示所有行的第a列到第b列内容
