Question

我正在试验LeNet网络作为二元分类器（是的，没有）。用于测试的配置文件中的第一个和最后几个层如下：

    layer {
      name: "data"
      type: "ImageData"
      top: "data"
      top: "label"
      include {
        phase: TEST
      }
      transform_param {
        scale: 0.00390625
      }
      image_data_param {
        source: "examples/my_example/test_images_labels.txt"
        batch_size: 1
        new_height: 128
        new_width: 128
      }
    }
...
    layer {
      name: "ip2"
      type: "InnerProduct"
      bottom: "ip1"
      top: "ip2"
      param {
        lr_mult: 1
      }
      param {
        lr_mult: 2
      }
      inner_product_param {
        num_output: 2
        weight_filler {
          type: "xavier"
        }
        bias_filler {
          type: "constant"
        }
      }
    }
    layer {
      name: "accuracy"
      type: "Accuracy"
      bottom: "ip2"
      bottom: "label"
      top: "accuracy"
    }
    layer {
      name: "loss"
      type: "SoftmaxWithLoss"
      bottom: "ip2"
      bottom: "label"
      top: "loss"
    }

为了测试，我设置了batch_size = 1，因此我使用以下命令运行测试：

./build/tools/caffe test -model examples/my_example/lenet_test.prototxt -weights=examples/my_example/lenet_iter_528.caffemodel -iterations 200

我的目的是能够分别分析每个测试图像的结果。目前，我获得了每次迭代的以下信息：

I0310 18:30:21.889688  5952 caffe.cpp:264] Batch 41, accuracy = 1
I0310 18:30:21.889739  5952 caffe.cpp:264] Batch 41, loss = 0.578524

然而，由于我的网络中有两个输出，在测试时我想看到每个输出有两个单独的值：一个用于类＆＃34; 0＆＃34; （＆＃34; no＆＃34;）和一个班级＆＃34; 1＆＃34; （＆＃34;是＆＃34）。它应该是这样的：

Batch 41, class 0 output: 0.755
Batch 41, class 1 output: 0.201

我应该如何修改测试配置文件以实现它？

Answer 1

您希望看到"Softmax"概率输出（而不仅仅是损失）为此，您可以尝试将"SoftmaxWithLoss"与"top"一起使用（我不确定此选项是否完全正常/支持）：

layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "ip2"
  bottom: "label"
  top: "loss"
  top: "prob" # add class probability output
}

或者，如果前一个解决方案不起作用，请明确添加"Softmax"图层：

layer {
  name: "prob"
  type: "Softmax"
  bottom: "ip2"
  top: "prob"
}

如何在Caffe中为二进制分类器获取两个输出值（对于两个类中的每一个）？

1 个答案: