神经元之间的运算
如图
输入层三个神经元
隐含层四个神经元
输出层两个神经元
从上图中不难看出上层神经元到下层神经元的变化，取决于内积时的权重矩阵
假设只有一个样本 样本纵向排列3 * 1 加权求和W.T * X
输入层X 3 * 1 权重W 3 * 4
隐含层Y 4 * 1 权重W 4 * 2
输出层Z 2 * 1
如果是n个样本 单个样本纵向排列
出入层X 3 * n 权重W 3 * 4
隐含层Y 4 * n 权重W 4 * 2
输出层Z 2 * n
假设只有一个样本 样本横向排列1 * 3 加权求和X * W
出入层X 1 * 3 权重W 3 * 4
隐含层Y 1 * 4 权重W 4 * 2
输出层Z 1 * 2
如果是n个样本 单个样本横向排列
出入层X n * 3 权重W 3 * 4
隐含层Y n * 4 权重W 4 * 2
输出层Z n * 2
究竟是W.T * X 还是 X * W，其实无所谓，却决于最终outputs想要2 * n 还是 n * 2