构建如下图所示识别模型：该模型由两个相同的网络G(x)组成。后续的两个路径的线性加权模块 两个网络共享相同的参数W。
该模型实现如下的功能，输入两个MINIST图片，判断是不是同一个数字。后续的两个路径的线性加权模块。例如，输入 负样本对：X1=6 的图片 ， X2=9 的图片 输出：1
输入 正样本对：X1=3 的图片 ， X2=3 的图片 输出：0
G(x)是一个一般的全连接网络（两边的网络结构是一样的！共享参数W、b等），由结构可以自己设计。后续的两个路径的线性加权模块 比
如建议两层网络：hidden1：784(28x28)->500; hidden2: 500->10，使用relu。后续的两个路径的线性加权模块 也可以尝试其他节点数组
合，和其他非线性变换函数。后续的两个路径的线性加权模块 。
强调：G(X）的功能定义为提取一张minist 图
像的特征。后续的两个路径的线性加权模块 。
注意:使用此loss 需要定 y=0 （两个数字相同）y=1 (两个数字不同）！！！！！！！！！！
要求：合理设计网络，及训练数据采样方法，提升网络的正负样本对的预测精度：用ACC 衡量。后
