Machine learning 如何从最后一层的输出生成caffe中的预测标签？

我用LeNet，使用caffe和DIGITS接口，训练了我自己的图像数据集（交通灯图像11x27）。我得到了99%的准确率，当我通过数字给出新图像时，它预测了良好的标签，因此网络似乎运行得很好

然而，我很难通过针对caffe的Python/MatlabAPI预测标签。最后一层输出（ip2）是一个包含2个元素的向量（我有2个类），看起来像[4.8060，-5.2608]，例如（第一个分量总是正的，第二个总是负的，绝对值从4到20）。我从Python、Matlab和Digitals的许多测试中了解到这一点

我的问题是：

• Argmax无法直接在此层上工作（它始终提供0）
• 如果我使用softmax函数，它总是会给我[1,0]（这实际上是python界面中

  net.blobs['prob']

  或

  out['prob']

  的值，无论我的图像的类别如何）

那么，我怎样才能得到好的标签呢

---

谢谢

看起来你的网给出了一个持续的“0”预测。您的测试集中有多少个“0”示例和多少个“1”示例？你给网络提供的图像与训练图像经过的变换完全相同吗？你会用完全相同的方法减去平均值、裁剪和调整大小吗？我以为平均值会自动被图层“数据”（通过prototxt的transform_参数）减去，但事实上，绝对不是，当我这样做时，它工作得非常完美！非常感谢你！