在梯度下降时 MSE较MAE更为准确 而在异常值出现时 MAE较MSE更加鲁棒，Huber Loss 集MAE与MSE的优势于一身。 Huber Loss中增加了一个超参数，在其中起到了一定的选择作用，即 当预测预测小于超参时，采用平方误差(MSE) 而在预测偏差大于超参时，则采用线性误差 (MAE)

双线性插值采用分段线性基函数，每个方向涉及两个已知节点，宽、高方向分别进行一次插值，共涉及4个已知节点。由于基函数只满足C0连续，所以在用双线性插值放大图像时，细节处会呈现相对明显的撕裂感。尽管如此，双线性插值已能满足大多数工作场景的使用需求，且由于计算量小，计算速度快，所以被广泛使用。在对画面精细程度要求更高的场合，通常使用双三次插值。双三次插值采用分段三次基函数，满足C2连续，计算量更大，平滑性更好。OpenCV中的双三次插值默认采用BiCubic基函数，每个方向涉及4个已知节点，宽、高方向分别进行一次插值，共涉及16个已知节点。 现欲求一种用于图像缩放算法的分段三次基函数，要求实现C2连续，同时每个方向只涉及两个已知节点。

利用SVD分解实现PCA主成分分析，对于前期通过 skip-gram 网络训练所得的 200 维词向量，可通过该方法压缩至 100 维，同时尽可能保留模型精度