复习一下前向传播和反向传播

深度学习网络本质

深度学习网络本质是一种表示或者说映射网络
简单来说就是：输入一张图片，输出 是猫的概率。

那么什么是前向传播和反向传播呢？
前向传播就是：
输入一张图片，输出 是猫的概率。
反向传播就是：
计算这个概率值与实际的差距，叫做损失或者误差。误差将被反向传递给网络的每一层。

上一节中，我们使用了预训练网络的前向传播过程
使用网络做出预测，就是在使用网络前传播的过程

为什么训练网络的过程很慢

前向传播和反向传播本质上都是很快的，那为啥我们训练一个神经网络需要很长时间捏?
因为训练过程是一个迭代循环的过程，重复多次的前向传播和反向传播，在这个过程中，修改W和b.
卷积神经网络时间复杂度相比全连接网络要高很多，模型训练和预测需要耗费大量的时间。