我正在使用Pylearn2 OR Caffe构建一个深层网络。我的目标是名义上的。我试图找到一个适当的损失函数，但在Pylearn2或Caffe中找不到任何。
我读了一篇论文＆＃34;偏好级别的损失函数：带有离散有序标签的回归＆＃34; 。我得到了一般的想法 - 但是如果我的最后一层是LogM回归的SoftMax（输出概率），我不确定我会理解阈值是多少。
有人可以通过指出这种损失函数的任何实现来帮助我吗？
由于 此致
答案 0 :(得分：0)
对于pylearn2和caffe，你的标签需要是0-4而不是1-5 ......它只是它们的工作方式。输出层将是5个单元，每个单元基本上是一个逻辑单元......而softmax可以被认为是一个适配器，可以对最终输出进行标准化。但是＆＃34; softmax＆＃34;通常用作输出类型。在训练时，任何单个单位的价值很少精确到0.0或1.0 ...它总是在你的单位之间分配 - 可以计算出对数损失。这种损失用于比较完美的＆＃34;案例和错误被反向支持以更新您的网络权重。请注意，PL2或Caffe的原始输出不是特定的数字0,1,2,3或5 ...它的5个数字，每个数字与5个类别中每个类别的可能性相关联。在分类时，只需将具有最高价值的班级作为“胜利者”。
我试着举个例子...... 说我有一个3级问题，我训练一个3单位softmax的网络。 第一个单元代表第一个类，第二个单元代表第二个，第三个，第三个。
假设我通过测试用例并获得...
0.25,0.5,0.25 ...... 0.5是最高的，因此分类器会说＆＃34; 2＆＃34;。这是softmax输出......它确保输出单位的总和为1。