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