Caffe中的多个精确层

Question

我正在尝试使用nVidia DIGITS和Caffe对大量图像进行分类.当我使用我构建的标准网络和网络时,一切都运行良好.

但是,当我运行GoogleNet示例时,我可以看到几个精度层的结果.如何在CNN中存在多个准确度层？拥有多个损耗层是可以理解的,但多个精度值意味着什么？我在学习期间得到了几个准确度图.与此图片类似:

的lossX-top1和lossX-top5表示准确度的层.我从原型文件中了解到,这些评估了前1和前5的精度值,但是还有什么是lossX精度层？

即使这些图中的一些收敛到98%左右,当我手动测试训练好的网络时'validation.txt',我得到的值明显较低(对应于较低三个精度图的值).

有人可以对此有所了解吗？如何有多个具有不同值的精度图层？

Answer 1

如果仔细观察，'train_val.prototxt'您会发现确实有几个精度层在不同级别上从主“路径”分支出来。loss1在层后评估inception 4a，loss2在层后评估inception 4d，loss3是网顶部的损失。将损失（和准确性层）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。