学习之用
pytorch 用ANN做一个机床微泄漏等级检测，输入的数据是传感器采集的时域数据，先做快速傅里叶变换，再取结果的模作为输入，输出为固定的泄漏等级，事实上就是一个简单的分类问题。
效果不佳，60%左右的分类准确率，应该与原始数据有关。
** 更新了采集方法后，获得了新的数据，准确率达到了70%左右。
为了检验和测试模型，其中还包括了MNIST数据集的实验，（验证后模型的实现上是没有问题，目前认为是数据不佳）
tips : 一般情况下，深度将会极大影响模型输出，导致不收敛。 引入BatchNormalization可以很好的解决深度带来的问题 对ReLU的激活函数，使用kaiming_normal初始化，对sigmoid、tanh、softmax可以使用xavier_normal初始化（初始化对模型表现有相当的影响） 注意，BatchNormalization层会对输入进行正规化，使其满足独立同分布，但在测试阶段，假如输入的都是同一类别的实例，将会使结果大打折扣。