本文记录官方note中比较有价值的观点（从反向传播开始）
一 反向传播
1 “反向传播是一个优美的局部过程。在整个计算线路图中，每个门单元都会得到一些输入并立即计算两个东西：1. 这个门的输出值，和2.其输出值关于输入值的局部梯度。门单元完成这两件事是完全独立的，它不需要知道计算线路中的其他细节。”
2 反向传播的编程中要学会分段计算，即在前向传播过程中把有用的中间变量缓存下来。
3 输入的大小对梯度有巨大影响，因此数据预处理很重要。例如乘法门会将大梯度分给小输入，小梯度分给大输入，因此当输入变化时，需要调整学习率。
二 神经网络介绍
1 生物动机：神经网络模型与实际的生物神经有一定的相似之处，但只是一个粗糙的近似模型，通常生物中更复杂，表现在突触不是线性的权重，输出的峰值信号的精确时间点很重要，等等。
2