计算多张图片的移位距离

( A, B )---25*30*2---( 1, 0 )( 0, 1 )

做一个二分类的网络分类A和B，让A和B的训练集中都有多张图片，用一种平均值的办法把多张图片等效成两张图片，统计两张图片的移位距离，并比较移位距离和迭代次数的关系。

设AB训练集都只有两张图片，计算平均值

a8=(a0+a4)/2

a9=(a1+a5)/2

a10=(a2+a6)/2

a11=(a3+a7)/2

b8=(b0+b4)/2

b9=(b1+b5)/2

b10=(b2+b6)/2

b11=(b3+b7)/2

得到两张平均值图片

则网络( A A1, B B1 )---25*30*2---( 1, 0 )( 0, 1 )

的平均移位距离为

S=|a8-b8|+|a9-b9|+|a10-b10|+|a11-b11|

让收敛误差为7e-4，每个收敛误差统计199次，让训练集中图片的数量分别为1，2，5，10，20，50，100，500，1000，2000，3000，统计迭代次数和移位距离，并比较二者的关系。得到数据

	5*5	1
	1	1	3	1	2	2	0	0	0	0
	3	4	4	2	4	3	1	2	3	4
s	2.74902	3.505882	3.737255	4.368627	5.231373	5.713725	7.062745	7.611765	8.556863	10.08235
7.00E-04	16024.14	13818.86	12726.82	11594.23	10989.32	10432.77	9773.97	9348.141	9022.221	8341.96
	5*5	2
	1	2	0	2	0	1	0	3	1	0
	2	3	2	4	1	3	3	4	4	4
s	4.282353	4.327451	6.478431	5.045098	5.054902	3.35098	5.84902	5.011765	4.582353	7.75098
7.00E-04	10620.38	9137.095	7897.04	7667.322	7379.693	6874.015	5066.226	4720.362	4299.724	3462.206
	5*5	5
	2	0	1	0	1	2	1	0	0	3
	4	2	2	3	4	3	3	4	1	4
s	4.672157	5.187451	4.527059	5.522353	3.840784	4.510588	4.838431	6.300392	5.907451	5.504314
7.00E-04	5417.065	5305.925	4151.533	3726.146	3341.035	2901.658	2698.709	2248.754	2182.276	1893.869
	5*5	10
	3	2	1	0	0	0	1	1	2	0
	4	4	2	1	3	4	3	4	3	2
s	4.309804	4.464706	3.90902	5.866667	4.768235	5.805098	4.849804	3.591765	4.372941	4.789804
7.00E-04	3928.156	3441.593	2485.291	2468.367	2402.884	2191.719	2158.905	2018.171	2002.824	1859.322
	5*5	20
	3	2	1	0	2	1	0	1	0	0
	4	3	2	1	4	3	4	4	3	2
s	4.205294	2.556275	3.835294	5.88098	3.760392	3.737451	5.752745	3.64	4.331765	4.215098
7.00E-04	8666.357	3551.176	2552.704	2381.131	2304.698	2290.206	1883.879	1748.965	1697.317	1618.573
	5*5	50
	2	3	2	1	0	0	0	1	1	0
	3	4	4	2	2	4	1	3	4	3
s	2.66549	4.046039	3.918902	4.423843	3.249176	4.776392	5.984078	3.413098	4.202667	3.971922
7.00E-04	2446.824	2241.513	2169.352	2107.568	2044.724	1995.075	1963.06	1956.955	1769.859	1658.492
	5*5	100
	3	2	2	1	0	0	0	0	1	1
	4	4	3	2	3	1	2	4	3	4
s	4.09349	4.037216	2.574941	4.289882	3.589765	5.747059	3.424941	4.635333	3.182863	3.945451
7.00E-04	2466.136	2307.613	2217.095	2206.055	2194.724	2129.392	2067.261	2064.05	1942.764	1908.814
	5*5	500
	2	2	3	0	0	0	0	1	1	1
	3	4	4	2	1	3	4	3	2	4
s	1.841937	3.871867	3.993318	3.061655	5.784	3.767137	4.567875	2.981114	3.974	4.114322
7.00E-04	17644.72	3711.824	2843.116	2595.508	2304.387	2083.437	2054.95	1935.94	1805.226	1698.151
	5*5	1000
	2	0	2	3	1	0	0	1	0	1
	3	2	4	4	3	1	4	2	3	4
s	1.967247	3.071443	3.734294	3.80609	2.993365	5.5968	4.462176	3.806086	3.764627	3.826263
7.00E-04	17949.56	3149.005	2865.623	2621.101	2339.327	2076.176	2057.337	2030.804	1831.829	1829.357
	5*5	2000
	2	0	2	3	1	0	0	1	0	1
	3	2	4	4	3	1	4	2	3	4
s	1.971653	3.133484	3.843361	3.838414	2.892318	5.721686	4.602229	3.848649	3.901855	3.804335
7.00E-04	16360.47	2862.643	2583.503	2562.492	2388.03	2179.472	2056.06	2028.774	1862.261	1827.809
	5*5	3000
	2	0	2	3	1	0	0	1	0	1
	3	2	4	4	3	1	4	2	3	4
s	2.028156	3.135631	3.926705	3.783718	2.83378	5.703769	4.601813	3.880624	3.863376	3.778277
7.00E-04	17897.95	2856.523	2594.99	2536.618	2399.015	2197.603	2087.286	2020.784	1861.719	1833.427

当只有1张时迭代次数和移位距离的反比关系很清晰与前述实验数据一致

当有5张图片时

或许是由于图片太少，对称性导致的不规则效应比较明显，n和s的反比关系不是特别突出，但s确实有增函数特征

训练集有100张图片的s曲线

当训练集有500张图片，迭代次数有巨大的数值差异，s曲线增函数特征加强

当训练集有1000张图片的时候，s曲线平滑了很多

训练集有2000张图片

当训练集有3000张图片时的s曲线和训练集有1000张图片时的s曲线相近。n和s有明显的反比特征。