caffe - 为什么 Caffe 的 Accuracy 层的底部由 InnerProduct 和 Label 组成？

Question

我是caffe的新手，在MNIST示例中，我认为标签应该与 softmax 层进行比较，但在lenet.prototxt. 我想知道为什么使用InnerProduct结果和标签来获得准确性，这似乎不合理。是因为我错过了图层中的某些内容吗？

Answer 1

最后一个内积层的输出维度是 10，对应于你的问题的类数（数字 0~9）。损失层采用两个 blob，第一个是预测（ip2），第二个是数据层提供的标签。

loss_layer = SoftmaxLossLayer(name="loss", bottoms=[:ip2,:label])

它不产生任何输出——它所做的只是计算损失函数值，在反向传播开始时报告它，并启动关于 ip2 的梯度。这是所有魔术开始的地方。训练后（在测试阶段），在最后一层，期望结果来自乘法权重和 ip1（在最后一层计算）；并且每个类（10个神经元之一）都有最大值被选择。