论文实验已经做完了，听我导安排，驾驶员意图识别比较好出成果。

• 在老师指导下完成论文的写作和修改（文字、图和表）。
• 修改驾驶员意图识别的代码。

全局：
Epoch 11, duration: 336 s, loss: 0.0466, acc: 98.5607
Accuracy of the network on the test images: 95 %
全局+局部（使用Spatial diversity loss划分）：
running_loss: 121.2444, running_correct: 12612.0000, loss_he: 0.04133, loss_ce: 0.1315, loss_ce_local: 0.37921
Epoch 8, duration: 337 s, loss: 0.2986, acc: 388.3005
Accuracy of the network on the test images: 95 %

问题分析

• 通过计算离散随机变量的熵来设计损失函数
  1.直接使用会出现问题，训练过程中最终的权重矩阵会变成 0 和 1组成的
  通过观察权重矩阵元素值的变化，发现随着训练，一部分值会趋于像1.54e-20这类值一样很小，一部分值会趋于1，可能最终精度超过了python的限制，最后得到全由0和1组成的张量。此时，使用熵计算公式会报错，因为log函数不能计算为0的值。
• 通过Spatial diversity loss损失函数划分局部
  使按论文公式实现后，发现损失降的太快，直接降到了0。参考了GitHub上该损失函数的代码实现后仍未解决问题。最后通过添加对张量进行归一化和激活函数解决了这个问题。等Spatial diversity loss损失函数实验跑完后，考虑是否能用此方法解决计算随机变量熵过程中的问题。