层对输入数据的规范化操作被存储在权重中，这实际上是一群数字。在专业术语中，我们说这种转变通过被权重参数化的层执行。（权重也有时被称作层的参数。）在本文中，学习的意思是找到神经网络所有层的权重的一套值。这样的话，网络将会正确的构建例子的输入到与它关联的目标的地图。但是注意这一点：深度学习网络可能包含1000万的参数。找到它们全部的值看上去是一个令人沮丧的任务，特别是改变一个值将会影响其他全部的参数的行为！
【图片1.7】
为了控制它，你需要先能观察它。为了控制它的输出，你需要能够测量结果距离你的预期有多远。这个就是叫做网络的loss function的过程，也叫做目标化函数。（objective function）这个函数提取预期结果与正确目标（你希望神经网络输出的结果）并且计算距离分数，来捕获神经网络在这个特殊的例子上做的有多好。
【图片1.8】