0915（未完全查正）
keepdropout=0.5，保留50%的隐含节点。keepdropout=1，保留全部的隐含节点，在计算准确率时使用。
一般的，relu函数用于深网络，数据量大，它是保留大于0的数据，映射到【0,1】，有利于解决梯度消失问题。sigmoid函数用于浅网络，数据量小，映射到【-1,1】，但可能会出现梯度消失。
loss函数计算：tf.nn.l2_loss（权重）。alpha*tf.nn.l2_loss()前的系数alpha可以调整正则化。
tf.train.AdamOptimizer(学习率learning rate).minimize(损失loss)
没有了conv2d，maxpool，CNN就是多层感知机DNN