Neural network 用数字向CAFFE中的RNN添加精度和损耗层

我刚刚在后端安装了带有caffe的digits。我正在尝试使用我的数据集进行训练。为了简单起见，最初我的数据集中只有三个类，即道路、公园和池塘。默认情况下，上述网络不包括精度和损耗层，因此在培训期间或培训之后，不会在数字接口上显示任何精度或损耗。为了解决这个问题，我只是从AlexNet复制了相关的层，并将它们放在RNN的末尾，以了解实际情况。我从RNN中添加了以下三个层

layer {
  name: "accuracy"
  type: "Accuracy"
  bottom: "fc1000"
  bottom: "label"
  top: "accuracy"
  include {
    stage: "val"
  }
}
layer {
  name: "loss"
  type: "SoftmaxWithLoss"
  bottom: "fc1000"
  bottom: "label"
  top: "loss"
  exclude {
    stage: "deploy"
  }
}
layer {
  name: "softmax"
  type: "Softmax"
  bottom: "fc1000"
  top: "softmax"
  include {
    stage: "deploy"
  }
}

当网络经过训练时，数字接口的准确率仅为34%。当我使用对数字的许多特征进行分类并对验证数据集进行分类时，它告诉我所有内容都是道路类，因此在混淆矩阵中实现了33%的准确性。因为，我是这个领域的新手，我怀疑在网络的末尾添加了上述三层之后是否出了问题。是这样吗？我把整个网络搞砸了吗？在不破坏网络的情况下，我们需要做些什么来可视化数字的准确性和丢失？ 编辑1 下面是我用Torch添加in数字时出现的错误。

---

请注意，之前有另一个错误，抱怨cudnn为零，当我将require cunn更改为在网络定义中要求cudnn时，该错误消失了，因为这对我来说似乎是一个输入错误。

您没有断开网络。您不需要两个softmax图层。问题可能是它并没有收敛。至于网络初始化参数，我找不到作者的training.prototxt。他建议查看其中的内容，与原始实现相比有一些变化。你可以做的一件事是使用来自的培训网络。但PR的结论之一是，由于caffe在BatchNorm层的实现问题，它没有收敛。deepdetect的作者似乎不同意它不收敛。无论哪种方式，这似乎都是固定的。因此，总结如下：

使用最新版本的caffe 使用deepdetect的网络和解算器。 首先检查它是否在imagenet或cifar上收敛，以减少丢失和错误 如果确实如此，则根据您自己的数据进行培训 如果没有，那么我们需要更多关于您设置的信息

---

添加softmaxwithloss后，您不需要softmax。这也是一个部署模块。您正在初始化预训练模型的权重吗？如果没有，那么您将需要添加权重初始化参数。不，我不是从预训练模型初始化。如何将权重添加为init param？感谢@inman提供的宝贵指导。我有点离开了caffe，在我的数据集上训练了AlexNet网络，获得了86%的准确率。同样的caffe网络只给了我30%。现在，我正在尝试使用fb Resnet。当我在Digitals界面加载此模型并单击VisualizationNetwork时，它会给我VisualizationError。我如何解决这个问题？我附上了我问题中的错误截图。我也在寻找一个预先训练好的图像分割模型，我可以为我的数据集进行微调。我更愿意为火炬队建立一个网络，因为就训练的准确性和损失而言，Caffe进展得并不顺利。我正在考虑问一个关于它的新问题，我将在这里的评论中发布一个链接。火炬有cunn和cudnn模块。cunn是torch对nn库的CUDA实现，而cudnn是对官方cudnn代码的绑定。您应该安装cunn，然后检查错误是否仍然发生。至于语义分段，您可以从中选择一个。我不能推荐太多，因为我根本没用过手电筒。但我可以推荐咖啡。对于torch，你应该尝试一个fcn端口。谢谢，伙计，我会尝试一下，并随时通知你。