Caffe中的多层精度

Question

Caffe中的多层精度

neural-networkdeep-learningcaffeconv-neural-network

6

我正在使用nVidia DIGITS和Caffe来对大量图像进行分类。当我使用标准网络和我构建的网络时，一切都很顺利。

然而，当我运行GoogleNet示例时，我可以看到几个准确度层的结果。在CNN中有多个准确度层是怎么回事？拥有多个损失层是很容易理解的，但是多个准确度值意味着什么？我在学习过程中得到了几个准确度图表。类似于这张图片：

lossX-top1和lossX-top5表示准确度层。我从prototxt中了解到这些评估top 1和top 5准确度值，但是lossX准确度层是什么意思？

即使其中一些图表收敛到约98％，但是当我在'validation.txt'上手动测试训练好的网络时，我得到的值明显较低（与较低的三个准确度图表相对应）。

有人能为此提供一些解释吗？如何有多个具有不同值的准确度层？

- Igor Ševo

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- Shai · Accepted Answer

如果仔细查看'train_val.prototxt'，您会发现在不同层级的主“路径”上确实有几个精度层分支。在inception 4a层之后评估loss1，在inception 4d之后评估loss2，而loss3是网络顶部的损失值。将损失（和精度层）引入深度网络的中间表示允许更快速地进行梯度传播训练。这些中间精度测量中间表示已经收敛的程度。