神经网络误差和参数变化不大，预测值始终在0.5附近

结构是最简单的一层输入层、一层隐藏层和一层输出层，输入特征数为2，输出为1（二分类）。

 一开始看损失函数的迭代曲线还以为训练的很好。

 结果一看输出。。。

 全是0.5左右。

然后赶紧看看参数的变化情况，输入以下指令：

for name, param in model.named_parameters():
    print(name, "   ", param) 

 果然，参数没变化。

一开始我认为是没有归一化导致的，因为有两个特征，两个特征的量级不一样。但是，对数据进行归一化后没有什么效果，于是多加几层试了试。。

 还是一样。

然后我想起在用tensorflow时，处理图片的卷积操作每一层前面都加了一层BatchNorm2d，于是我在每一层sigmoid函数前加了一层BatchNorm1d

有一定效果，但识别精度并不理想。应该也不是这个的原因。

后续又改了改别的地方，比如激活函数、损失函数。。也试了试了网上的各种方案，都没有用，最后把梯度下降函数从SGD改用了Adam ，结果瞬间不一样了，或是说正常了。

当然，可能有些过拟合了，不过，那就是下一步的工作了。