看完这篇文章后，我有点理解了网络是如何转换图像的；然而，我不知道它实际上是如何学习哪个方向对后续的分类步骤有帮助的。
几乎在文章和PyTorch的STN教程的结尾，他们展示了STN如何旋转和翻译图像以获得更好的分类性能。
它仅仅基于一套训练吗？比如，如果大多数图像倾向于具有特定的方向，比如旋转20度，那么网络会学习旋转未旋转的图像吗？
如果大多数图像倾向于某个方向，比如旋转20度，那么网络会学习旋转未旋转的图像吗
图像将不会学习旋转0度，因为STN不知道哪一个方向对人类来说可能是正确的(正确的(方向。STN部分根据网络整体精度的提高来确定正确的方向。
所以，是的，你是对的。如果人类通过保持图像旋转20度来注释大多数图像，并说这些图像是正确的基本事实，那么最终STN应该推广到20度，因为在这种情况下，网络模型将在目标函数中显示最小损失(或换句话说，最大准确度(分数。