图像上的 Caffe 欧几里得损失计算

【问题标题】：Caffe Euclidean Loss Calculation over Image图像上的 Caffe 欧几里得损失计算
【发布时间】：2018-07-30 21:12:09
【问题描述】：

假设 caffe 中神经网络的输出是大小为 w x h 的图像。还假设我正在使用大小为 N 的批量大小。

我是否正确假设欧几里得损失（由标准 caffe 层计算）对所有 w x h 值的平方误差求和，对其进行平方根，然后在批次大小 N 上取平均值？

也就是说，它不是 w x h 值的平均值？

谢谢。

PS：有没有办法在堆栈溢出中使用数学环境？

【问题讨论】：

标签： c++ neural-network deep-learning caffe conv-neural-network

【解决方案1】：

根据代码，它没有对 w x h 值进行平均，也没有使用平方根。它仅在批次大小 N 上取平均值，然后除以 2。

  template <typename Dtype>
  void EuclideanLossLayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>&bottom,const vector<Blob<Dtype>*>& top) {
      int count = bottom[0]->count();
      caffe_sub(count,
      bottom[0]->cpu_data(),
      bottom[1]->cpu_data(),
      diff_.mutable_cpu_data());
      Dtype dot = caffe_cpu_dot(count, diff_.cpu_data(), diff_.cpu_data());
      Dtype loss = dot / bottom[0]->num() / Dtype(2);
      top[0]->mutable_cpu_data()[0] = loss;
  }

【讨论】：