求助：我在测试自己搭建的通用MLP网络时，发现它与等价的参数写死的MLP网络相比效果奇差无比，不知道是哪里出了问题，请大佬们帮忙看下。

我写的通用MLP网络：

class MLP(nn.Module):
    def __init__(self, feature_num, class_num, *hidden_nums):
        super().__init__()
        self.feature_num = feature_num
        self.class_num = class_num
        self.hidden_nums = hidden_nums

        input_num = feature_num
        for i, hidden_num in enumerate(hidden_nums):
            self.__dict__['fc' + str(i)] = nn.Linear(input_num, hidden_num)
            input_num = hidden_num
        self.output = nn.Linear(input_num, class_num)

    def forward(self, x):
        for i in range(len(self.hidden_nums)):
            x = F.relu(self.__dict__['fc' + str(i)](x))
        x = self.output(x)[..., 0] if self.class_num == 1 else F.sigmoid(self.output(x))
        return x

按理说这样实例化时：

model = MLP(57, 2, 30, 10)

它应该与下面这个网络等价：

class MLPclassification(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc0 = nn.Linear(57, 30)
        self.fc1 = nn.Linear(30, 10)
        self.output = nn.Linear(10, 2)

    def forward(self, x):
        x = F.relu(self.fc0(x))
        x = F.relu(self.fc1(x))
        x = F.sigmoid(self.output(x))
        return x

但当我用model = MLP(57, 2, 30, 10)训练网络时，在二分类问题中，它把所有数据都预测成了类别0：

而用 model = MLPclassification()训练网络时，预测的效果很好：

 我检查了半天，不知道是哪里出了问题，有没有大佬懂的，帮忙看下，十分感谢！