将clusterSize的范围调整为5-20，利用轮廓系数选择合适的k，运行10次，因为实验的效果会随着clusterSize的增加越来越不稳定即波动越大
    利用new_refine的结果进行实验，选择变异模型的规则如下
    预测结果差异在0-499之间，每10随机选择20个模型（原来是每100随机选择200个模型，但为了选出的模型更加分散，所以细化了选择方法）
    预测结果差异在500-999之间，每10随机选则10个模型
    预测结果差异在1000-1499之间，每100选择50个模型（鉴于这个区间内的变异模型个数较少且没有那么分散）
    预测结果差异在1500-1999之间，每100选择20个模型

    上述实验结果与其他baseline对比的情况：
    mnist_lenet1（选出的clusterSize几乎都是5），1547->199
    image.pngimage.png
    mnist_lenet4 (选出的clusterSize几乎都是5)，1782->332
    image.pngimage.png
    mnsit_lenet5(选出的clusterSize几乎都是20，之前范围较大的时候大概在40左右)，1810->372
    image.pngimage.png
    cifar10_vgg16(选出的clusterSize几乎都是5)，1785->484
    image.pngimage.png
    cifar10_resnet20(选出的clusterSize几乎都是5)，1749->485
    image.pngimage.png
    fashion_lenet5(选出的clusterSize几乎都是5)，1776->461
    image.pngimage.png
    svhn_lenet5(选出的clusterSize几乎都是5)，由于svhn的测试集大小为26032，它还有一个在refine过程中double之后的向量
    1155->268
    image.pngimage.png