我通过观看他的视频，揣摩他的思想，敲他布置的程序，反复测试和回味，发现了一些内容：
比如
其中的
就是指的同一张图片的不同像素（eg：一张图片的所有像素有1w个，那么x下标一直从1到1w），每一个w都是一个单独的行向量（这个w除了维数固定，内部数据是自己优化调整的），w的转置和x可以满足矩阵乘法运算，w和x的乘积是一个实数（类型在程序中是array）。在两层神经网络（包含隐藏层）中，每一个神经节点都包含一个w和b，它们内部的数据都是根据自己学习得到的，
每一个图片中所有的像素都会参与每一个神经节点的运算，即wT*x，
其中每一个z都是实数，上图中的内容是指的一张图片在多个神经节点（隐藏层）的作用下的计算过程，得到的
是一个列向量。
而下图：
其中的每个小x均指的是一张图片，在单样本情况下，它就是一张图片，包含很多像素（x1、x2、x3...），这里面重点表达的如何计算多个图片（多样本）在两层神经网络下计算的过程。
注意不要被吴恩达视频中反复出现的相同字母所欺骗，有些不是一个东西(这里的x是图片，不是特征值（像素）)。
这里面的
，第一列从上到下就是一张图片（单样本）在多节点下的计算结果（如），第一行从左到右是多张图片（多样本）在同一个节点下的计算结果。整个矩阵就是多样本在同一层（多个节点）下计算的结果。
