我有两种不同的型号,让我们说NM1和NM2。
所以,我正在寻找的东西就像下面的例子一样。
让我们说我们有一张狗的照片。
NM1预测它是一只猫的概率为0.52并且它是一只概率为0.48的狗。 NM2预测它是一只概率为0.6的狗,它是一只概率为0.4的猫。
NM1 - 将预测错误 NM2 - 将正确预测NM1 + NM2 - 连接将正确预测(因为0.48 + 0.6> 0.52 + 0.4)
因此,每个模型都以InnerProducts结束(在Softmax之后),它给出了2个概率向量。
下一步,我有这两个向量,我想添加它们。这里我使用Eltwise图层。
layer {
name: "eltwise-sum"
type: "Eltwise"
bottom: "fc8"
bottom: "fc8N"
top: "out"
eltwise_param { operation: SUM }
}
加入NM1之前,准确度为~70%,NM2~10%。
加入后,精度甚至达不到1%。
因此,我的结论是我理解错了,如果有人能向我解释我错在哪里,我会感激不尽。
PS。我在创建lmdb时关闭了shuffle。
更新
layer {
name: "eltwise-sum"
type: "Eltwise"
bottom: "fc8L"
bottom: "fc8NL"
top: "out"
eltwise_param {
operation: SUM
coeff: 0.5
coeff: 0.5
}
}
#accur for PI alone
layer {
name: "accuracyPINorm"
type: "Accuracy"
bottom: "fc8L"
bottom: "label"
top: "accuracyPiNorm"
include {
phase: TEST
}
}
#accur for norm images alone
layer {
name: "accuracyIMGNorm"
type: "Accuracy"
bottom: "fc8NL"
bottom: "labelN"
top: "accuracyIMGNorm"
include {
phase: TEST
}
}
#accur for them together
layer {
name: "accuracy"
type: "Accuracy"
bottom: "out"
bottom: "label"
top: "accuracy"
include {
phase: TEST
}
}
答案 0 :(得分:1)
如果要添加(按元素)概率,则需要在"Softmax"
图层之后添加,而不是在"InnerProduct"
图层之后添加。你应该有像
layer {
type: "InnerProduct"
name: "fc8"
top: "fc8"
# ...
}
layer {
type: "Softmax"
name: "prob_nm1"
top: "prob_nm1"
bottom: "fc8"
}
layer {
type: "InnerProduct"
name: "fc8N"
top: "fc8N"
# ...
}
layer {
type: "Softmax"
name: "prob_nm2"
top: "prob_nm2"
bottom: "fc8N"
}
# Joining the probabilites
layer {
type: "Eltwise"
name: "prob_sum"
bottom: "prob_nm1"
bottom: "prob_nm2"
top: "prob_sum"
eltwise_param {
operation: SUM
coeff: 0.5
coeff: 0.5
}
}