Temperature scaling

后验概率被应用在训练过程之后目的是学习一个重新校准的函数。为了达到这个目的，训练集的一部分被拿出作为校准集。重新校准函数适用于网络的输出（如logit向量），并产生一个改进的校准，该校准是在遗漏的校准集上学习的。

Temperature scaling是data-efficiency的accuracy-preserving方法，但是具有稍微不太好的expressive

Selective Scaling：

Reference：

Ubuntu下tar命令使用详解 .tar解压、.tar压缩_ubuntu解压tar.gz-CSDN博客

Logistic（逻辑斯蒂）函数浅谈 - 知乎 (zhihu.com)

简介欧拉第一类积分：Beta函数 - 知乎 (zhihu.com)

神经网络1：多层感知器-MLP - 知乎 (zhihu.com)

语义分割的评价指标——IoU_语义分割iou-CSDN博客

CNN 入门讲解：什么是全连接层（Fully Connected Layer）? - 知乎 (zhihu.com)

python中assert的用法（简洁明了）_assert python-CSDN博客

Expected Calibration Error (ECE) - 知乎 (zhihu.com)