赢者通吃自编码器（WTA-AE）

参考：
1. 论文：winner-take-all-autoencoders.pdf
2. 代码：
a. full connect WTA-AE
b. Conv-WTA-AE
简单理解：
        spatial sparsity: 对卷积得到的feature-map-tensor(shape=[N,H,W,C]), 沿每个channel, 是一个H*W的张量，仅仅保留这个H*W的张量上的最大值，其余数值元素置零。
        lifetime sparsity：是在同一个批次的多个样本中，跨样本的赢者通吃。在tensorflow中，每个样本对应一个[H,W,C]的张量，lifetime sparsity是指不同样本的特征tensor的同一个channel进行比较，保留最大的K个数值。

   比如：feature_map_tensor.shape=[N,H,W,C]，即，batch_size=N, 每次训练输入N个样本，每个样本都有一个[H,W,C]的张量特征，lifetime sparsity 是比较这N个样本的张量特征的同一个channel的数值，并筛选最大的K个保留数值，其余的置为0。

---

     经过spatial sparsity之后，每个样本特征的每个channel仅保留了一个数值（最大值）。