Neural network Caffe CNN：分层分类的多重分层损失

我熟悉如何在CNN中使用多重损失，而所有这些损失的标签都是相同的

我的案例是使用多重损失处理分层标签，如下图所示：

loss1负责标签集1:{运动，食品}。标签2的损失2:{截击，足球}，标签3的损失3:{比萨饼，意大利面，汉堡}。例如，样本A∈{体育，足球}，样本B∈{食物，汉堡}

你知道怎么做吗？

添加“不在乎”标签，你应该为每个样本设置三个标签。例如：

{体育，排球，不在乎}

---

然后您可以使用类型为“SoftmaxWithLoss”的三种损失。对于这两种特定的损失，您应该为“不在乎”标签添加

忽略\u标签

谢谢@Shai。你能再澄清一下吗。所以loss1处理Label1:{运动，食物}。Loss2=>label2:{比萨饼，意大利面，汉堡，不在乎}，Loss3=>label3:{沃利，足球，不在乎}？如果是，在这种情况下，不同的损失处理不同的标签。优化和一般LOO将如何发展？（三人之和？）@Nima是的。当loss2或loss3有“忽略标签”时，损失为零，损失项的梯度为零。还有一件事。当有不在乎的损失2，不在乎的损失3不可能发生时，如何告诉CNN？@Nima the不会知道这一点。你必须把标签准备好。网络并没有预测“不在乎”，只是当基本事实是“不在乎”时，它忽略了网络预测的任何东西，我感到困惑。我认为“不在乎”是网络的一个输出（标签）。所以最终的输出仍然是{比萨饼、意大利面、汉堡、排球、足球}，“不在乎”只是训练中的一个忽略标志。我明白了