Neural network 如何解释pycaffe classify.py输出？_Neural Network_Caffe_Pycaffe_Nvidia Digits

Neural network 如何解释pycaffe classify.py输出？

neural-network

Neural network 如何解释pycaffe classify.py输出？,neural-network,caffe,pycaffe,nvidia-digits,Neural Network,Caffe,Pycaffe,Nvidia Digits,我通过Nvidia DIGITS创建了一个GoogleNet模型，它有两个类（称为正数和负数）如果我用数字对图像进行分类，它会显示一个很好的结果，比如阳性：85.56%，阴性：14.44% 如果它用相同的图像将该模型传递到Pycafe中，我会得到类似于array（[[0.38978559，-0.06033826]]，dtype=float32）的结果那么，我如何解读这个结果呢？如何从classify.py显示的结果中计算数字显示的置信水平（不确定这是否是正确的术语）？引导我找到了解决方案如

我通过Nvidia DIGITS创建了一个GoogleNet模型，它有两个类（称为正数和负数）

如果我用数字对图像进行分类，它会显示一个很好的结果，比如阳性：85.56%，阴性：14.44%

如果它用相同的图像将该模型传递到Pycafe中，我会得到类似于

array（[[0.38978559，-0.06033826]]，dtype=float32）的结果
那么，我如何解读这个结果呢？如何从classify.py
显示的结果中计算数字显示的置信水平（不确定这是否是正确的术语）？
引导我找到了解决方案
如日志所示，网络会产生<代码>分类器#分类

仅返回。因此，例如，通过将

predictions=out[self.outputs[0]]

更改为

predictions=out[self.outputs[2]]

，我得到了所需的值。

您提供给

classify.py

的

prototxt

似乎缺少最后一个

“Softmax”

层。最后一个层条目是

层{name:“prob”类型：“Softmax”底部：“loss3/classifier”顶部：“prob”}

这有点奇怪。通常情况下，“Softmax”层应该输出范围

[0..1]

内的值，总和为1…您能看看日志，看看您实际得到的输出层是什么吗？这是完整的和完整的