深层神经网络（ Deep L-layer neural network）
如下图所示，表示从logistic 回归到5层的神经网络，严格的说，logistic回归也是一个一层的神经网络，神经网络的深浅只是一种程度。
有一些函数，只有非常深的神经网络能学会，而更浅的模型则办不到。
对于给定的问题，先去尝试逻辑回归，尝试一层然后两层隐含层，然后把隐含层的数量看做是另一个可以自由选择大小的超参数，然后再保留交叉验证数据上评估，或者用你的开发集来评估。
符号定义，以下面的神经网络为例：
这是一个四层的神经网络，使用L表示层数，则在这里L=4。
使用${n^{[l]}}$表示第l层神经元的个数，那么在这里：
${n^{[1]}} = 5$
${n^{[2]}} = 5$
${n^{[3]}} = 3$
${n^{[4]}} = {n^{[L]}} = 1$
${n^{[0]}} = {n_x} = 3$
使用${a^{[l]}}$表示第l层的激活结果，${w^{[l]}}$ ,${b^{[l]}}$表示第l层的参数。