神经网络分类理解

分类不能用序号/标签=1方式来训练

比如1-100个分类，

如果置信度是0.95，本来要预测第100个分类，结果预测成了第95个分类

这样的方式，有一个问题，不能获取置信度，

one hot：

所以要用one hot方式来，能获取那个分类，并能获取置信度

one hot 方式，网络输出的宽度需要大于分类个数，否则分类效果是不好的。

识别，相当于要分n多个类，如果网络分类最大支持1000类，

x,y,w,h需要获取像素的话，比如1280*720，宽乘以高，还是可以用分类来做位置预测的，

只是这个就是很多分类了。

anchors的目的就是减少分类的难度。

优化论文推荐：

https://mp.weixin.qq.com/s/vQKF3Y7X4pD_2rWOalElzw

论文地址：https://arxiv.org/abs/2108.02456

核心代码：https://github.com/xmu-xiaoma666/External-Attention-pytorch#23-Residual-Attention-Usage