向前传播：
第一层
第二层
第三层
计算代价：
反向传播：
这是一个求偏导数的线路图
我们会发现，这都是有规律的: 每一列都是一样的，也就是我们可以通过从结果J反向求偏导数，累积偏导数来反向递推计算每一层的和
也就是我们可以根据上一项的梯度(grad)来进一步求出下一项的梯度(grad)
既然我们可以求出每一层的梯度(grad) ，那么，我们自然就可以根据
进一步求出
的梯度(grad)
我们有了每一层的 grad() ,也就是我们可以更新参数了
总的来看，反向传播就是一条求导链，我们可以用递推来把整一条链子都求出来
然后在这条链子上，我们可以找到任意一个变量的梯度(grad)，最后，我们只需要从链子拿到我们需要的grad()就行了