Neural network 我怎样才能强制Caffe在每种可能性附近打印标签，或确定其打印顺序？

我试图根据此处建议的解决方案#2分析二元分类器的概率： 我的测试结果如下：

I0321 20:27:52.331949 11973 caffe.cpp:276] Batch 1999, accuracy = 0
I0321 20:27:52.332003 11973 caffe.cpp:276] Batch 1999, prob = 0.932919
I0321 20:27:52.332011 11973 caffe.cpp:276] Batch 1999, prob = 0.0670813
I0321 20:27:52.367635 11973 caffe.cpp:276] Batch 2000, accuracy = 0
I0321 20:27:52.367686 11973 caffe.cpp:276] Batch 2000, prob = 0.0507332
I0321 20:27:52.367694 11973 caffe.cpp:276] Batch 2000, prob = 0.949267

这里有一个问题，每个类的两个概率没有标记。因此，在迭代0-1999的特殊情况下，概率按以下顺序打印：首先打印0类的概率（“否”），然后打印1类的概率（“是”）。对于迭代2000-2999，则相反：（第一类概率为“是”），第二类概率为0（“否”）。 这并不方便，因为我进一步对该日志进行了自动解析。

---

我如何强制Caffe在每种可能性附近打印标签或修复其打印顺序？

我发现很难相信Caffe实际上正在更改打印向量的顺序。如果是这种情况，这是Caffe中的一个错误，应该在github项目页面中报告。你能重现这种行为吗？你能吗u展示了一个最小的例子（最小净，两个样本），在这个例子中，顺序被切换？可能是这样的情况吗？例子#1999属于0类（因此第一个prob条目较高），而例子#2000属于1类（因此第二个prob条目较高）？Shai，这是可复制的。但是，在每个类别的示例数少于数千个的情况下，这并没有显示出来（我还注意到，对于一个或数千个示例，概率的倒序仍然存在）当我运行这样的测试时，我所有的示例图像都是按类排序的，所以这两个结果的例子不属于不同的类。我还重新计算了测试的总精度，如果我们考虑在ReVE中打印的那部分示例的概率，那么它完全匹配CAFE打印的一个例子。rse订单。同意，可能是一个Caffe错误，但您需要提供一个最小的可复制示例（带数据）我发现很难相信Caffe确实在改变打印向量的顺序。如果是这样，这是Caffe中的一个错误，应该在github项目页面中报告。你能重现这种行为吗？你能展示一个最小的例子（最小网络，两个示例）在哪里切换顺序？可能是这样的情况吗？例如#1999属于0类（因此第一个prob条目更高），而示例#2000属于1类（因此第二个prob条目更高）？Shai，这是可复制的。但是，在每个类的示例数少于数千个的情况下，没有显示（我还注意到，对于一个或几千个例子，概率的倒序仍然存在）当我运行这样的测试时，我所有的示例图像都是按类排序的，所以这两个结果的例子不属于不同的类。我还重新计算了测试的总精度，如果我们考虑在ReVE中打印的那部分示例的概率，那么它完全匹配CAFE打印的一个例子。rse订单。同意，可能是Caffe的错误，但您需要提供一个最小的可复制示例（带有数据），并将其报告给Caffe人员。