我当前的Caffe输出如下所示：Test net output #0: accuracy_1 = 0.337018Train net output #2: loss_3 = 1.21088 (* 1 = 1.21088 loss)
训练迭代打印出正确的加权损失(也称为“损失= 3.87841")，而<
浏览 0提问于2016-08-19得票数 0
1回答
Caffe支持多损失。然后，对于反向传播阶段，一些斑点可能具有来自不同损失的多个梯度。Caffe如何处理这个斑点的渐变？
浏览 0提问于2017-12-14得票数 1
1回答
如果我在一个网络中定义了多个丢失层，那么从这些终端到网络的开始会发生多个反向传播吗？我是说，他们会那样工作吗？Layer1{Layer2{...layer_cls3End{bottom:...loss{top:loss:}
因此，基本上假设每个网络没有一个分类/损失如果它们起作用，我如何将所有损失加在一起，并将我的最后损失
浏览 0提问于2017-02-20得票数 2
回答已采纳
1回答
我已经编写了一个python脚本，它计算中位频率，平衡每个类在像素级分割期间的权重。然后，我在Python Layer模型定义中添加了一个caffe，它将权重发送给损失函数。基于，用户提到caffe中的SoftmaxWithLoss层对应于TensorFlow softmax_cross_entropy_with_logits。我的问题是如何将权重发送到SoftmaxWithLoss层？在median frequency balanc
浏览 2提问于2018-01-19得票数 0
我正在用caffe训练AlexNet关于我自己的数据。我看到的问题之一是，“列车净输出”损失和“迭代损失”在培训过程中几乎相同。此外，这一损失也有波动。像这样：
. ...Iteration 900，损失0.649719 .列车净产出#0:损失= 0.649719 (* 1= 0.649719损失)迭代900，lr = 0.001 ...Iteration1000，损失0.892498 .列车净产出#0:损
浏览 1提问于2016-10-16得票数 3
我想知道，如果我有一个层生成一个底部斑点，并被两个后续层进一步消耗，这两个层都将在后向传播阶段生成一些梯度来填充bottom.diff。是否将两个梯度相加以形成最终的梯度？在我的理解中，咖啡层需要在填充一些计算出的梯度之前将bottom.diff设置为全零，对吗？memset会刷新另一层已经计算出的渐变吗？谢谢!
浏览 0提问于2017-06-07得票数 2
我正在对现有的网络进行微调，添加我自己的输出层。我正在使用的网络已经调整为识别人脸并提取面部特征。layer { type: "Softmax" top: "cls_probInnerPr
浏览 16提问于2019-07-09得票数 0
回答已采纳
1回答
我正在试着做一个caffe实验，我在我的Train.prototxt中使用了以下的损失层， name: "loss" bottomlabel" phase: TRAIN}I09
浏览 4提问于2015-09-23得票数 4
这是我的。这是我的。
F111723:16:09.485153 21910 insert_splits.cpp:35]未知的底部blob 'data‘(层’conv1 1
浏览 4提问于2015-11-18得票数 8
回答已采纳
1回答
咖啡馆里的回归:预测是高度错误的
、、、、
我在Caffe中做了一个单标签回归问题。输入包含5个hdf5文件，这些文件是我使用不同图像独立生成的。我首先用一个hdf5文件测试了我的网络，并用大约800个训练图像(批处理大小为64)运行了10000次迭代。最后，当我对相同的训练图像进行预测时，我得到了如下结果：
据我所知，这是由于训练数据量较少，并且测试数据与训练数据不太相似。使用使用14,000次迭代创建的模型对训练数据的预测输出是：
浏览 0提问于2016-10-07得票数 1
3回答
多标签图像的咖啡豆
、、、
我有一个具有多个标签的图像数据集；数据集中有100个类，每个图像都有1到5个与它们相关联的标签。我遵循以下URL中的说明：
在我的例子中，由于我有多个标签图像，那么简单地添加标签是否有效呢？/home/my_test_dir/图片-foo.jpg 0 2
浏览 7提问于2015-09-20得票数 20
回答已采纳
1回答
我正在训练一个模型，用于从图像中分割机器打印的文本。图像可能还包含条形码和手写文本。对地面真实图像进行处理，使0表示机器打印，1表示其余图像。我使用的是5层CNN，最后输出2张地图。当我训练模型时，对于这些图像，我得到的损失为0，训练准确率为100%。这是正确的吗？这个损失怎么可能是零呢？对于包含条形码或机器打印的其他图像，我得到了一些损失，它们正在正确收敛。当我测试</e
浏览 0提问于2017-07-04得票数 3
softmax_loss_layer.hpp文件上的caffe文档似乎是针对分类任务而不是语义分段的。但是，我已经看到这一层被用于后者。在对每个像素进行分类(语义分段)的情况下，输入块和输出块的维数是多少？
更重要的是，计算这些气泡损失的公式是怎样的？比如，矩阵/小块是以什么形式排列的，最终输出的“损失值”是什么？编辑:为了理解损失
浏览 0提问于2018-08-02得票数 2
回答已采纳
2回答
我正在使用Pylearn2或Caffe来建立一个深度网络。我的目标是名义上的。我正在尝试寻找合适的损失函数，但在Pylearn2或Caffe中找不到任何损失函数。我读过一篇论文“偏好水平的损失函数:离散有序标签的回归”。我大概明白了--但如果我的最后一层是SoftMax over Logistic回归(输出概率)，我不确定我会理解什么是阈值。可以通过指出这种损失函
浏览 0提问于2014-12-18得票数 2
1回答
有人知道“咖啡回归”背后的理论吗？我知道我们有一个损失函数，但这适用于什么呢？
我的意思是，对于具有损失层的Softmax，我们有一个Softmax函数，并应用交叉熵损失来确定我们的更新。我要找的是欧几里得损失的“软最大函数”。有小费吗？我已经看过Caffe层的解释，但这里只是说，平方误差之和被用作损失函数。
浏览 1提问于2017-03-16得票数 0
回答已采纳
我正在尝试用keras编写示例中已经编写好的Matlab Model的代码：
他们最终定义了一个名为regressionLayer的层。我想知道在keras或pytorch中应该使用什么。但我怀疑这是否正确，因为我似乎没有得到想要的输出，这似乎是原因之一。
浏览 55提问于2019-08-07得票数 0
我训练了一个关于同一图像的两个不同模式的网络。我把数据在一个层中传递，但在那之后，几乎两个网络是并行的，它们不共享一个层，两个任务有不同的标签集，因此我有两个不同的丢失和准确性层。我已经读到过caffe平均多个损失和准确性(在这个问题之后)，是否只有在至少共享一个层时才会发生这种情况？我打算创建一个整体，但现在我似乎只是有两个不同的网络。我打算对损失和准确性进行平
浏览 1提问于2017-03-29得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
