用 x 表示影象上的畫素，用 z 表示**的 label：
最簡單的建模方式就是每乙個畫素的類別只和自己所在的畫素有關。用圖來表示：
這個模型的計算很簡單，輸入是乙個畫素的特徵，輸出是乙個畫素所代表的類別。這個模型和一般的分類問題沒有太多區別。
不過這樣的效果顯然不好，誰能只通過乙個畫素就知道這個地方是什麼類別呢？這個模型雖然簡單好解，但是我們一眼就可以看出，它並不是乙個高階的模型。
2）plan b
讓每乙個畫素的類別和所有畫素的資訊有關，可以用下面的圖表示這個模型：
cnn模型雖然很強大，但是cnn模型缺少乙個關鍵點，就是每乙個畫素點類別之間實際上存在著一定關係，也就是我們常說的影象的平滑性——每乙個影象畫素點的類別都有可能和臨近點的類別相近，這個特性是cnn模型所不具有的。所以我們對這個模型也保留意見。
3）plan c
讓每乙個畫素點的類別和它的 4 鄰域的類別相關，於是模型變成了這個樣子：
平滑性已經得到了一定的滿足，但僅僅是這種程度的關聯可能仍然不夠的，如果臨近的幾個畫素恰好產生了一點波動，不是我們想要的那個樣子，那麼這個畫素點的類別就有可能出問題，我們還需要更深層次的關聯。
4）plan d：
為了得到更深層次的關聯，提出 dense crf：
每乙個畫素點的類別都和其他所有畫素點的類別相關，模型的複雜程度提到了最高的程度。
AUC直觀理解
相信這個問題很多玩家都已經明白了，簡單的概括一下，auc are under curve 是乙個模型的評價指標，用於分類任務。那麼這個指標代表什麼呢？這個指標想表達的含義，簡單來說其實就是隨機抽出一對樣本 乙個正樣本，乙個負樣本 然後用訓練得到的分類器來對這兩個樣本進行 得到正樣本的概率大於負樣本概...
pytorch scatter直觀理解
簡單記錄一下pytorch scatter 的理解，官方解釋在 官方的例子如下，下面說說使用層面的直觀理解。src torch.arange 1,11 reshape 2,5 src tensor 1,2,3,4,5 6,7,8,9,10 index torch.tensor 0,1,2,0 tor...
對矩陣的直觀理解
1.空間 是容納運動的乙個物件集合，而變換則規定了對應空間的運動。事實上，不管是什麼空間，都必須容納和支援在其中發生的符合規則的運動 變換 你會發現，在某種空間中往往會存在一種相對應的變換，比如拓撲空間中有拓撲變換，線性空間中有線性變換，仿射空間中有仿射變換，其實這些變換都只不過是對應空間中允許的運...