一、前向传播：通过一组w参数得到一组得分值f(x)，再做e^x再归一化，再到Loss值。
Bachsize是一次取2的整数倍数（32,64,128）张图片做一次迭代
学习率：过大会来回震荡，找不到最小值；太小，迭代次数过大，效率低。
二、反向传播
由Loss值一步一步往回传，更新权重参数。
先算z对L的贡献，一步一步地向前求偏导。
三种门单元：
