Neural network Caffe：欧几里德损失误差：输入必须具有相同的维数

我正在python中使用caffe。这是我的斑点形状：

data                        3072     3.07e+03    (1, 3, 32, 32)
conv2d1                    12544     1.25e+04    (1, 16, 28, 28)
maxPool1                    3136     3.14e+03    (1, 16, 14, 14)
fc1                           10     1.00e+01    (1, 10)
ampl                          10     1.00e+01    (1, 10)
-------------------------------- params: name,w,(b)
conv2d1                     1200     1.20e+03    (16, 3, 5, 5)    
fc1                        31360     3.14e+04    (10, 3136)

这是我在proto.txt文件中的最后两层：

...
layer {
  name: "ampl"
  type: "Softmax"
  bottom: "fc1"
  top: "ampl"
  softmax_param {
    axis: 1
  }
}
layer {
  name: "loss"
  type: "EuclideanLoss"
  bottom: "ampl"
  bottom: "label"
  top: "loss"
}

我得到了这个错误：

euclidean_loss_layer.cpp:12] Check failed: bottom[0]->count(1) == bottom[1]->count(1) (10 vs. 1) Inputs must have the same dimension.

---

你的错误是不言自明的：

---

您正试图在

“ampl”

和

“label”

之间进行计算。要执行此操作，必须使

的“ampl”

和

的“label”

是具有相同数量元素的blob（也称为

count（）

）。然而，似乎当

“ampl”

有10个元素时，

“label”

只有一个元素。

ampl有10个元素，因为我有10个输出神经元（10类），label有1个元素，因为它是一个数字[0-9]（10类）。我该怎么办？要更改哪一个？如何更改？@NimaHatami那么你为什么要使用

“EuclideanLoss”

？这种损失主要用于回归任务。听起来好像您正在尝试为数据添加标签。为什么不使用

“SoftmaxWithLoss”

（这是跨entroy的目标）？谢谢@Shai，我把它改成了SoftmaxWithLoss，现在可以使用了！

Inputs must have the same dimension