(A,B)---81*30*2---(1,0)(0,1)
让分类原点A为mnist的0，分类对象B是1-9，固定收敛误差，统计迭代次数，并将迭代次数作为B到A的距离，得到数轴
| A | 5 | 7 | 2 | 4 | 3 | 9 | 1 | 6 | 8 |
| 0 | 5402.955 | 7822.01 | 8358.603 | 11983.15 | 12572.23 | 13346.79 | 23558.45 | 25605.5 | 27905.07 |
在一个二分类网络中，分别统计(1,0)位和(0,1)位的分类准确率，并统计差值，就可以得到分类过程中错误图片的流量和流向。得到表格
| 平均准确率 | 1-0 | 0-1 | 错误图片流量 | ||||
| 0 | 8 | 0.98042272 | 0.989943 | 0.970511 | 0.010057 | 0.029489 | -0.01943216 |
| 0 | 9 | 0.98506133 | 0.992976 | 0.976753 | 0.007024 | 0.023247 | -0.01622312 |
| 0 | 7 | 0.99210495 | 0.993565 | 0.990248 | 0.006435 | 0.009752 | -0.00331658 |
| 0 | 6 | 0.98371182 | 0.984386 | 0.982644 | 0.015614 | 0.017356 | -0.00174171 |
| 0 | 1 | 0.99692903 | 0.994635 | 0.998824 | 0.005365 | 0.001176 | 0.004188945 |
| 0 | 3 | 0.98356606 | 0.980638 | 0.986101 | 0.019362 | 0.013899 | 0.005462312 |
| 0 | 4 | 0.98729595 | 0.97602 | 0.998177 | 0.02398 | 0.001823 | 0.022156784 |
| 0 | 2 | 0.97430592 | 0.961937 | 0.986285 | 0.038063 | 0.013715 | 0.024348744 |
| 0 | 5 | 0.96506537 | 0.943022 | 0.986723 | 0.056978 | 0.013277 | 0.043700503 |
与前文不同，这次实验测试集与训练集相同，都是前5000张图片。因此平均分类准确率等于两个位的平均值，
比较两个表格，得到了两组不同的排序
| 错误图片流量 | |||||||||
| 8 | 9 | 7 | 6 | 1 | 3 | 4 | 2 | 5 | |
| 0 | -0.01943 | -0.01622 | -0.00332 | -0.00174 | 0.004189 | 0.005462 | 0.022157 | 0.024349 | 0.043701 |
| 迭代次数 | |||||||||
| 5 | 7 | 2 | 4 | 3 | 9 | 1 | 6 | 8 | |
| 0 | 5402.955 | 7822.01 | 8358.603 | 11983.15 | 12572.23 | 13346.79 | 23558.45 | 25605.5 | 27905.07 |
迭代次数排序与错误图片流量排序是不一样的。如果迭代次数越大表明二者差异越小，那错误图片流量越小似乎也应该表明二者差异越小，所以为什么两组排序不一致？
对这两种不同排序的一个可能解释，这应该是两个不同的作用过程，错误图片流量表达的相互作用是分类对象B与（A，B）组成的整体之间的相互作用，表达的是在（A，B）这个整体中B与A和B与B的相似性。
而迭代次数表达的相互作用是A与B之间的相互作用，表达的A与B之间的差异，因为这里A与B都是不可分的，因此迭代次数不可细分，也没有方向。因此B与（A，B）中B的差异的排序与B与A之间差异的排序是可能不同的。
这两种差异都可以用来分类图片，用迭代次数法的好处是不必训练网络，但需要知道整个形态数轴。而用分类准确率的方法虽然不必了解形态数轴，但需要制备所有的测试集并训练网络。
?