二分类：
用sigmoid函数【1/1+e（x）】作为激活函数，将线性变换的输出值映射到0 1之间。通过矩阵变换，将最后的输出值定为1维0 1之间的数值，再用BCEloss函数（二分类交叉熵损失函数）构建计算图
多分类：
隐藏层用激活sigmoid函数处理线性变换后的值，最后一层用softmax函数【e（x）/∑e（x）】算出输出层 每个维度的输出值 所占的比例（softmax函数保证了处理后的结果是大于零，且和为1），再用NLLLoss作为损失函数作为损失值，由于pytorch的封装性，CrossEntropyLoss()=softmax()+NLLLoss()