学习笔记52-关于深度学习中的分类器汇总，模型对类别概率计算输出代码。

基础分类器：

1、SVM：
线性核SVM： 一般应用于多分类，分类的结果（如3分类）最后会给出（约等于）1、2、3的值代表第1、2、3类。
非线性核SVM： 一般应用于二分类问题上。
注意：SVM需要训练，如通过caffe提取特征后，用提取的特征训练svm

2、softmax分类：
其实它是逻辑回归的拓展，应用于多分类，在caffe、pytorch、TensorFlow中均可实现softmax，可以直接端到端地训练分类，比较常用。
注意：分类的结果是给出的一个概率向量，相应的那个概率值高即为预测的哪个类，类别数太多softmax会崩。
3、softmax使用方法

        with torch.no_grad():
            # predict