Numpy ndarray 矢量化和广播计算效率，相比Python list类型，大约高200倍，见下图：
矢量化主要是跟显式的循环和索引做对比，矢量化计算，不需要显式的循环和索引。其好处有：
- 矢量化代码更简洁，更易于阅读
- 更少的代码行通常意味着更少的错误
- 代码更接近于标准的数学公式
- 矢量化导致产生更多 “Pythonic” 代码。
如果没有矢量化，我们的代码就会被低效且难以阅读的for循环所困扰。矢量化的思维是N个独立样本，在实现上不需要for训练，直接并行计算，例如，N个独立样本，每个样本X有100个特征点，通过一个神经元，执行 y = X*W计算，所有样本计算完一遍的实现方式：矢量化 vs for-loop，如下所示，效率相差8倍
进阶学习：《基于Keras CNN与Fashion_MNIST数据集开发一个深度学习程序》
