1.计算图的导数计算

正向比如说是计算代价函数值，反向就是增大多少a/b/c对J的影响，也就是导数的意义，这里讲的是求导链式法则。

2.向量化 节约大量计算时间

简直是100倍的时间，看来之前实现的那个代码根本就不能用好几层for循环来实现，时间太长了啦！第一次知道。

3.Py中的广播

使用对列求和，并/原来的矩阵，b将会被复制3份。

 

第一个对100复制为一个行向量，第二个复制为矩阵。

4.numpy中的向量

对于第一行，不建议使用，因为a是一个(5,)的数组，而是应该声明为矩阵,1*n或者n*1，是行向量或者列向量，或者使用reshape。

可以使用assert来随时声明矩阵的维度。