1.更改降维的幅度，效果没有明显的变化，暂定降维至原奇异值平方和的0.9
    2.因为利用轮廓系数在5-20之间选择clusterSize的时候总是倾向选择范围的下限，因此想观察最小为2的时候效果以及探究此参数的意义。
    就目前的七个模型来看，轮廓系数、CH系数等不能帮助我们选择出最佳的k，目前来看k=4的时候效果最佳，对对比baseline结果如下：
    image.png
    image.png
    image.png

    image.png
    image.png
    image.png
    image.png

    3.因为pace在cifar10_resnet20上的效果远不如随机，不具有对比意义，因此需要比较两个pace中使用的resnet20模型和我们使用的resnet20模型，可能lenet1也需要继续探究一下
    nohup python -u -m mnist_cifar_imagenet_svhn.selection —exp_id=cifar10 —select_layer_idx=-2 —dec_dim=2 —min_samples=4 —min_cluster_size=80 > cifar10.log 2>&1 &
    nohup python -u -m mnist_cifar_imagenet_svhn.selection —exp_id=lenet1 —select_layer_idx=-3 —dec_dim=8 —min_samples=4 —min_cluster_size=80 —dec_dim=8 > lenet1.log 2>&1 &
    emmmmm……………………两个resnet20的模型结构是一模一样的，pace使用的resnet20模型精度为91.45，我们使用的resnet20模型结果为91.22