两个问题:
1.对于MultinomialLogisticLoss,标签应该从1开始,但caffe doc说它应该从0开始。http://caffe.berkeleyvision.org/doxygen/classcaffe_1_1SoftmaxWithLossLayer.html
2.得分的形状(底部[0])是N C H * W,标签的N * 1 * 1 * 1(底部[1]) MultinomialLogisticLoss。 在分段任务中,标签形状与bottom [0]相同,即N * 1 * H * W,但caffe在我的测试中没有报告任何错误。
虽然我已经阅读了一些文档和细分项目代码,但这两个问题让我感到困惑。
答案 0 :(得分:0)
"SoftmaxWithLoss"
与axis
参数一起使用,您可以告诉caffe将axis
维度视为概率向量,并且每批次都有多个预测(即Nx1xHxW
)。在这种情况下,标签形状应与Nx1xHxW
相匹配,而不是Nx1x1x1
。