Question

我正在尝试创建自己的自定义python层来计算网络准确性（在Phase：TEST中使用）。

我的问题：它是否仍然具有所有这四个功能：

设置 - 使用从图层变量
转发 - 图层的输入和输出是什么
向后 - 给定下一层的预测和渐变，计算前一层的渐变
重塑 - 根据需要重塑您的blob

如果是，为什么？我只想在TEST阶段使用它并计算准确性，而不是在学习中（前进和后退似乎是用于训练）。

谢谢大家！

Answer 1

虽然我不确定如果你没有定义所有这四种方法，Caffe可能会输出错误，你肯定需要设置和转发：

设置：正是您所说的。例如，在我的Accuracy图层中，我通常会为我的整个测试集和每个样本的softmax概率保存一些指标（真和假阳性/阴性，f-得分），以防我想要组合/融合不同的网络/方法后来。这是我打开文件的地方，我将写下这些信息;
转发：您可以在此处计算准确度本身，将预测与批次中每个样本的标签进行比较。通常这个层将有两个输入，标签（可能由数据/输入层提供的基本事实）和一个输出每个类中每个样本的预测/得分/概率的层（我通常使用SoftMax层）;
重塑和向后：不要担心这些。你不需要担心向后传球也不需要重塑你的blob。

以下是精度图层的示例：

# Remark: This class is designed for a binary problem with classes '0' and '1'
# Saving this file as accuracyLayer.py

import caffe
TRAIN = 0
TEST = 1

class Accuracy_Layer(caffe.Layer):
    #Setup method
    def setup(self, bottom, top):
        #We want two bottom blobs, the labels and the predictions
        if len(bottom) != 2:
            raise Exception("Wrong number of bottom blobs (prediction and label)") 

        #Initialize some attributes
        self.correctPredictions = 0.0
        self.totalImgs = 0

    #Forward method
    def forward(self, bottom, top):
        #The order of these depends on the prototxt definition
        predictions = bottom[0].data
        labels = bottom[1].data

        self.totalImgs += len(labels)

        for i in range(len(labels)): #len(labels) is equal to the batch size
                pred = predictions[i]   #pred is a tuple with the normalized probability 
                                        #of a sample i.r.t. two classes
                lab = labels[i]

                if pred[0] > pred[1]:   #this means it was predicted as class 0
                        if lab == 0.0:
                                self.correctPredictions += 1.0

                else:                  #else, predicted as class 1
                        if lab == 1.0:
                                self.correctPredictions += 1.0

        acc = correctPredictions / self.totalImgs

       #output data to top blob
       top[0].data = acc

    def reshape(self, bottom, top):
        """
        We don't need to reshape or instantiate anything that is input-size sensitive
        """
        pass

    def backward(self, bottom, top):
        """
        This layer does not back propagate
        """
        pass

以及如何在原型文件中定义它。您可以在此处向Caffe说明此层将仅在TEST阶段出现：

layer {
  name: "metrics"
  type: "Python"
  top: "Acc"
  top: "FPR"
  top: "FNR"

  bottom: "prediction"   #let's suppose we have these two bottom blobs
  bottom: "label"

  python_param {
    module: "accuracyLayer"
    layer: "Accuracy_Layer"
  }
  include {
    phase: TEST.    #This will ensure it will only be executed in TEST phase
  }
}

BTW，I've written a gist有一个更复杂的精确python层示例，可能就是你要找的。

Caffe自定义python层为“准确性”

1 个答案: