神经网络的应用：数据量和算力的提升
分为三层：输入层，隐藏层，输出层（该演示仅一个隐藏层）
有时候也叫做多层感知器；
将左边盖起来，右边可以采用逻辑回归学习特征
神经网络很好的一个特性是 当从数据来训练时，不需要明确的来确定哪些是特征
设计：多少个隐藏层，每个隐藏层多少个神经元
1000x1000个像素方格，【0，255】是灰度级
eg：人脸识别：
神经网络第一层在寻找一些很短的线；
第二层会将很多细短的线组合在一起一些短的边缘段，以便寻找面部的部分；
第三层将不同部分人脸组合在一起试着检测更粗糙的人脸模型；
最后检测人脸与不同人脸的对应程度，创建一组丰富的特性然后帮助输出层确定图片人物的身份。