1.考虑调整这个neural network的结构尝试让这个loss降低
（1）Linear(inputdim,64) - ReLU-Linear(64,1), loss=0.7174
（2）Linear(inputdim,64) - ReLU-Linear(64,64) -ReLU-Linear(64,1),loss = 0.6996
（3）
这样设置的话，3个linear层中间夹着2个ReLU激活函数：
(4)2个Linear层中间夹着2个ReLU激活函数:
(5)将2linear夹2ReLU中的w向量空间改为64：
(6)要不要加到3层的L-ReLU-L-ReLU-L-ReLU-L:
然而，效果并没有变好
2.下面考虑对上面的0.6996进一步优化，考虑从hypeparame 那里入手:
(1)初始0.6996时候的config：
（2）先尝试调整learning rate:0.001 --> 0.005或者 0.0001
0.005时，非常糟糕
0.0001时，也没有好的表现
（3）再考虑调整momentum这个惯量：0.9 --> 1.0 或者0.8：
1.0时，直接完蛋：
0.8时，也没有更好
(4)那个early stop不打算调了，估计没戏，最后调一下这个batch_size：270 -->100,200,300,400
batch_size=100:
batch_size=200:
batch_size=300:
batch_size=400:
果然，270还是最好的结果。。。
3.我改用更加 “多的神经元”：
(1)一个ReLU
(2)2个ReLU:
出现了overfitting的case了，training上面的loss降下去了，但是validation上面的降不下去,
算了，以后再说。。。待我学成归来，定将你斩落马下
