nn.BCEWithLogitsLoss()和nn.CrossEntropyLoss()最后一层都不需要激活函数，这两个函数中都带有激活函数的计算，softmax函数如果被执行两次，可能会数据溢出精度

样本需要先归一化，特别是sigmoid输出时，否者也会溢出，反正会出问题

增加中间的神经元数量可以提高效果，1%到2%的提升

使用nn.BCEWithLogitsLoss()函数时，计算每一次训练的准确度，需要手动sigmoid一次