Caffe 中的多个精度层答案

【问题标题】：Multiple accuracy layers in CaffeCaffe 中的多个精度层
【发布时间】：2015-10-06 09:34:21
【问题描述】：

我正在尝试使用 nVidia DIGITS 和 Caffe 对大量图像进行分类。当我使用标准网络和自己构建的网络时，一切正常。

但是，当我运行 GoogleNet 示例时，我可以看到几个准确度层的结果。 CNN 中如何有多个准确度层？有多个损失层是可以理解的，但是多个准确度值是什么意思呢？我在学习过程中得到了几个准确度图。类似这张图：

lossX-top1 和 lossX-top5 表示精度层。我从 prototxt 了解到，这些评估前 1 和前 5 的准确度值，但是 lossX 准确度层是什么？

尽管其中一些图表收敛到 98% 左右，但当我在 'validation.txt' 上手动测试经过训练的网络时，我得到的值明显较低（对应于较低的三个准确度图表）。

有人可以解释一下吗？怎么会有多个不同值的精度层？

【问题讨论】：

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

【解决方案1】：

如果您仔细查看'train_val.prototxt'，您会注意到确实有几个精度层在不同级别从主要“路径”分支出来。 loss1 在inception 4a 层之后评估，loss2 在inception 4d 之后评估，loss3 是网络顶部的损失。将损失（和准确度层）引入深度网络的中间表示允许在训练期间更快的梯度传播。这些中间精度衡量了中间表示的收敛程度。

【讨论】：

那么，当网络在训练后用于对随机图像进行分类时，将使用哪一层来决定类别？最深的？
@IgorŠevo 这取决于您的deploy.prototxt。您可以决定从哪个分类器层读取类概率。
我是否误解了“准确性”层的含义？它用于对验证集进行分类（如果在 prototxt 中设置）并返回分类准确度？
@IgorŠevo 每个准确度层测量不同分类层的验证准确度（softmax 层的输出）。
@IgorŠevo 这取决于您使用什么接口进行分类，python 包装器classifier.py 默认输出最后一个输出层（没有其他层使用其“顶部”作为“ bottom"...) 但是，您可以为 pytohn 分类器提供一个 blob 名称列表，并在每个“前向”传递中获得多个输出。