Center_loss + CosineLoss + ArcLoss

mnist classify using center loss 在分类领域原始经典的是softmax损失，但是softmax只优化类间距离，而不优化类内距离，center loss的出发点就是优化类间距离

mnist classify using only softmax loss

20 epochs test Accuracy=0.990

feature display

mnist classify using softmax loss + center loss

20 epochs test Accuracy=0.995

feature display

可以看到不加center_loss的时候，类内距离非常大，由于类内距离分散大，导致类间距离也很小。而加入了center_loss后每个类的特征向中心收缩，所以类内距离减小，导致类间距离也相应变大，最后效果也更好。

CosineLoss

20 epochs test Accuracy=0.994

feature display

ArcLoss

20 epochs test Accuracy=0.992

feature display