Question

我已经在同一图像的两个不同模态上训练了一个网络。我将数据一起传递到一层，但之后，它几乎是两个并行的网络，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损耗和精度层。

我已经读过caffe平均多次损失和准确性（遵循这个问题How can I have multiple losses in a network in Caffe?），只有当至少共享一个层时才是这种情况吗？我打算创建一个集合，但现在看起来我只是有两个不同的网络。我打算平均损失＆amp;准确性，以便两个网络分支将有助于一个准确性。在训练中我看到两个单独的损失＆amp;准确性。如何获得平均损失＆amp;测试新图像对时的准确度？
通过转发网络，是否可以获得两个预测？如果是这样，怎么样？

Answer 1

使用caffe-parameter loss_weight 可以在一个网络中使用多次丢失。例如，您可以为重量为0.5的损失图层之一使用以下内容。

...
layer{
  name: "loss_a"
  type: "SigmoidCrossEntropyLoss"
  bottom: "fc8_a"
  bottom: "attributes_a"
  top : "loss_a"
  loss_weight : 0.5
 }

 layer{
  name: "loss_b"
  type: "SigmoidCrossEntropyLoss"
  bottom: "fc8_b"
  bottom: "attributes_b"
  top : "loss_b"
}

如何获得多重损失的加权和＆amp;准确度（caffe）

1 个答案: