PyCaffe输出层用于测试二进制分类模型

Question

我很好地调整vgg-16进行二进制分类。我使用sigmoidLoss层作为损失函数。

为了测试模型，我编写了一个python文件，在其中我使用图像加载模型并使用以下方式获得输出：

out = net.forward（）

我的疑问是我应该从Sigmoid或SigmoidLoss层获取输出。 2层之间有什么区别。

我的输出实际上是输入图像为1级的概率。**

Answer 1

SigmoidWithLoss图层每批输出单个数字，代表地面实况标签的损失。

另一方面，Sigmoid层输出批次中每个输入的概率值。此输出不要求计算地面实况标签。

如果您正在寻找每个输入的概率，您应该查看Sigmoid图层的输出

Answer 2

要对测试集进行预测，您可以通过修改原始原型文本来创建单独的部署原型。

以下是相同的步骤

• 删除用于培训的数据层，就分类而言，我们不再为我们的数据提供标签。
• 删除任何依赖于数据标签的图层。
• 将网络设置为接受数据。
• 让网络输出结果。

您可以在此处详细了解：deploy prototxt

否则，您可以添加
 包括{     阶段：火车   }

到您的SigmoidWithLoss图层，以便在测试网络时不会使用它。要进行预测，只需检查Sigmoid图层的输出。