实现对一系列数据集的训练和测试需要以下几个步骤：
建立一个学习算法的大体结构
1.1初始化参数
1.2计算代价函数和梯度propagete（），包括前向传播和后向传播
1.3使用一个优化算法优化参数，optimize（），用训练后的参数测试给定的例子
1.4搭建模型，使用以上函数以正确的顺序构建一个完整模型
注1：需要用到的packages：以逻辑回归为例有numpy，matplotilb（在python中绘图），h5py（获取数据集），PIL和scipy（用于测试自己的图片）。
注2：对数据集的预处理非常非常重要
#对数据集进行预处理包括以下三步：
#1 明确数据集的维度和形状
#2 输入数据集样本调整为shape of（num_px*num_px*3,1）
#3 对数据集进行标准化