1、訓練baseLine的時候，is_training 沒有傳達到自己編寫的子函數，導致baseline的bn層沒有學習。修改後可能準確率會進一步提升
2、在分解實驗中，bn層是不該學習的，但是卻set is_training=True。這樣的後果是，雖然一般層被凍結了，bn層的beta，gamma不在var_list中也被凍結了，但是moving_men/variance卻在fine_tune過程中改變了，而這是在分解實驗中不允許的。這也導致了將W_ave遷移到joint method中，初始準確率近乎爲0-----W_reuse與原w_ave網絡一致，但moving_men/variance卻不匹配了
3、好事是，經過兩次坑，現在對bn層基本能掌握能修改能支配了。