1.潜在空间的维度，为什么是13
2.损失的权重 300,300,400
3.使用nice,rnvp,glow
4.使用dropout,不使用dropout
5.输入输出，padding,维度扩大
6.损失的权重


数据集说明：
data_01.npz：21种色浆，选择3种生成配方，浓度0-1之间，使用km模型

模型说明：
model_01:
    input+8*(GLOWCouplingBlock+PermuteRandom)+GLOWCouplingBlock+output
    n_epoch:3000
    training_set：data_01
model_02:
    input+8*(GLOWCouplingBlock+PermuteRandom)+output
    n_epoch:1000
    training_set：data_01
model_03:
    input+8*(RNVPCouplingBlock+PermuteRandom)+output
    n_epoch:1000
    training_set：data_01
model_04:

测试结果说明：
compare_01:
    model:model_01
    test_set:data_01.npz
    采样：256
    比较：仅按色差大小排序进行配方选择时，同一个模型多次进行配方预测，最后选择的配方并不相同，结果也可能相差较大
    问题：在神经网络输出一系列的配方后，如何进行最后预测配方的选择

compare_02:
    model:model_01
    test_set:data_01.npz
    采样：256,1024,4096
    比较：采样点增多时，最后得到的结果有明显的改善
    问题：采样点应该扩大到一个怎样的规模才算合适