在指标口径发生变更的时候，需要有一个较好的通知机制，目前还是从人的角度来进行判断。
在上图中，每条线代表一个函数，它可以是一个矩阵乘法加上一个误差向量，也可以是一个激活函数。这些圆表示这些函数作用的向量。
然后我们就可以将学习问题转化为求函数的最小值或最大值的优化问题。
也就是我们可以在这个方向上最快地达到最小值。因此，在每一次迭代(也可以将其称作一次训练轮次)时，我们计算损失函数的梯度，并从旧参数中减去它(乘以一个称为学习率的因子)以得到神经网络的新参数。
如果我们要计算损失函数对第一层权重参数的偏导数:我们首先让第一个线性表达式对权重参数求偏导,然后用这个结果乘上下一个函数(也就是激活函数)关于它前面函数输出内容的偏导数，
当我们使用softmax激活时，我们在神经网络最后一层创建与数据集中类数量相等的节点，并且softmax激活函数将给出在可能的类上的概率分布。
这在没有贝壳前是完全不可想像的，从中可以看出贝壳平台就是客户与房源的中台，客户与银行、房管局、税务局的中台，
只需要通过简单的集成就能使用，对于将来的IT技术发展我估计也是这样的发展方向，IT技术会逐步下沉到更底层，
业务中台化不会有一套拿来改改就能用的方案，必须具体情况具体分析，中台化的过程不出意外一定是痛苦和艰难的。
业务中台只是支持业务场景的手段，并将多渠道的业务能力抽象沉淀下来，业务中台的逐步成长完善也需要独立的组织进行运营，平台型组织是业务中台的重要基础也是企业转型的方向，
