1.隨機取塊的方式相對於整張圖片來說更容易收斂

2.關於準確率與召回率的問題：

    先理解這四個引數：TP、FP、TN、FN，在理解的時候，先看第二個符號，第二個符號代表我們的結果，第一個符號代表系統對我們的結果給出的判斷。

比如說TP，第二個符號P代表我們認為是正確的，T代表我們的猜測是正確的，那就說明真正的標籤是正確的且我們猜對了。

比如說TN，第二個符號N代表我們認為是錯誤的，T代表我們的猜測是正確的，那就說明真正的標籤是錯誤的且我們猜對了。

比如說FP，第二個符號P代表我們認為是正確的，F代表我們的猜測是錯誤的，那就說明真正的標籤是錯誤的但我們猜錯了。

比如說FN，第二個符號N代表我們認為是錯誤的，F代表我們的猜測是錯誤的，那就說明真正的標籤是正確的但我們猜對了。

準確率：，即在你認為對的答案裡面有多少是真的正確(分母中包含在標籤為錯誤的樣本FP)

召回率：，即在真正正確的答案中，你預測了多少個正確的(分母中為標籤中正確樣本的總數)

其他的評價指標可在此基礎上進行理解，如：

1. ACC：classification accuracy，描述分類器的分類準確率
   計算公式為：
2. TPR：true positive rate，描述識別出的所有正例佔所有正例的比例，敏感度（sensitivity）、查全率（Recall）
   計算公式為：
3. TNR：true negative rate，描述識別出的負例佔所有負例的比例，特異度（specificity）
   計算公式為：
4. PPV：Positive predictive value，陽性預測值、查準率（Precision）
   計算公式為：
5.  NPV：Negative predictive value，陰性預測值
   計算公式：
6. FPR：false positive rate，描述將負例識別為正例的情況佔所有負例的比例
   計算公式為：
7. FNR：false negative rate，描述將正例識別為負例的情況佔所有正例的比例
   計算公式為：
8. BER：balanced error rate
   計算公式為：

總結如下(圖片均來自維基百科)：

樣例如圖：