--sess开始之后才可以开始喂数据
--在图上，由后向前查找相关结点求导插入并更新计算图
'''实验日志7/7'''
*softmax function，交叉熵cross entropy，权重是分层的，右上标括号内数字表示层数。
*BP算法机智地避开了这种冗余，它对于每一个路径只访问一次就能求顶点对所有下层节点的偏导值。
从最上层的节点e开始，初始值为1，以层为单位进行处理。对于e的下一层的所有子节点，将1乘以e到某个节点路径上的偏导值，并将结果“堆放”在该子节点中。等e所在的层按照这样传播完毕后，第二层的每一个节点都“堆放”些值，然后我们针对每个节点，把它里面所有“堆放”的值求和，就得到了顶点e对该节点的偏导。然后将这些第二层的节点各自作为起始顶点，初始值设为顶点e对它们的偏导值，以”层”为单位重复上述传播过程，即可求出顶点e对每一层节点的偏导数。
*CNN卷积神经网络，RNN循环神经网络。
CNN主要应用于图像领域，RNN主要应用于语音识别，NLP。
Dense（全连接网络）&CNN（松散连接网络，和大脑中的神经连接模式更加类似）