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