我正在尝试使用 nVidia DIGITS 和 Caffe 对大量图像进行分类。当我使用标准网络和我构建的网络时，一切正常。
但是，当我运行 GoogleNet 示例时，我可以看到几个精度层的结果。 CNN 中怎么会有多个精度层？有多个损失层是可以理解的，但是多个精度值意味着什么？我在学习过程中得到了几个准确度图。类似于此图片:
lossX-top1和 lossX-top5表示精度层。我从 prototxt 中了解到，这些评估了前 1 名和前 5 名精度值，但是 lossX 精度层是什么？
尽管其中一些图收敛到 98% 左右，但当我在 'validation.txt' 上手动测试经过训练的网络时，我得到的值明显较低(对应于较低的三个精度图)。
有人可以对此有所了解吗？怎么会有多个不同值的精度层？
最佳答案
如果您仔细查看 'train_val.prototxt' 您会注意到确实有几个精度层从不同级别的主要“路径”分支出来。 loss1在 inception 4a 之后评估层，loss2在 inception 4d 之后评估和 loss3是网络顶部的损失。将损失(和精度层)引入深度网络的中间表示可以在训练期间实现更快的梯度传播。这些中间精度衡量中间表示的收敛程度。
关于neural-network - Caffe 中的多个精度层，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/32966517/