激活函数就是把线性的函数变成非线性的，目前所写的sigmoid函数就是激活函数，有了这个函数的参与就可以拟合出任意的曲线，果有多个神经元（用权重矩阵代替权重向量），每个神经元都会输出一个"小段非线性"，所有小段组合起来，就能拟合复杂的整体非线性函数。
这种【】里面的代表的是神经网络的第几层，右下角的小标代表的是第几个
激活函数就是引入非线性，如果没有激活函数，那么不管堆叠几层神经网络堆叠的有多深，最终都是一个线性的简单的模型，能力和仅仅只有一层的神经网络都差不多，
激活值就是当数据进入到一层中 与这一层的参数计算后的输出就是激活值，激活值就是一层神经网络的输出值
对于单层的向前传播我们粗暴地用手搓出最基本的原理是这样的（如下图）
我们先粗暴的进行赋值参数，然后在进行计算，然后定于激活函数进行变换，然后拼接起来，大致是这样
下面我们定义一个dense函数
这个函数的目的就是 输入上一层的激活，输出当前层的激活，W已将变成了矩阵，
我们看一下这个函数
第一行是获取矩阵的列
第二行是初始化这一层的激活值，全部用0填充
第三行便利列数，
第四行取出当前便利的列
第五行进行神经元的计算，参数W和激活值的点积加上B
第六行，激活函数sigmoid应用与z
所以密集函数dense函数的作用是输入前一层的激活值，并根据当前层的参数返回下一层的激活值，
因此给定密集函数dense我们可以按照顺序连接几个密集层，对于字母的大小写，当字母代表的是矩阵的时候我们统一用大写，当字母代表向量或者标量的时候我们统一用小写以实现神经网络的向前传播，如下图所示，
为了做到