论文：https://ydwen.github.io/papers/WenECCV16.pdf
A Discriminative Feature Learning Approach for Deep Face Recognition
和contrastive loss的作用类似，就是和softmax loss一起，一个减少类间差距，一个减少类内差距
Cyi表示属于yi类的特征的的中心
理想情况下，我们每次更新权值都要遍历全部的训练集去获得每个类的中心，这是低效甚至不实际的
为了解决这个问题，作者使用了minbatch中的每个类的中心来更新，（虽然这样可能有些类的中心在一次迭代中无法更新到，因为有些时候在一个mini-batch中不一定包含所有的类别）：
分母加1是为了防止分母为0的情况
总损失函数使用的是Softmax+center Loss联合损失：
算法流程类似一般的卷积神经网络，就是多了一个更新中心点的流程：
效果变化：
一开始只使用softmax loss时：
加入center loss后：
效果比contrastive loss好