Python Caffe迭代损耗与列车净损耗_Python_Neural Network_Euclidean Distance_Caffe_Pycaffe

Python Caffe迭代损耗与列车净损耗

python neural-network

Python Caffe迭代损耗与列车净损耗,python,neural-network,euclidean-distance,caffe,pycaffe,Python,Neural Network,Euclidean Distance,Caffe,Pycaffe,我正在使用caffe训练一个CNN，底部有一个欧几里德损失层，我的solver.prototxt文件配置为每100次迭代显示一次。我看到这样的东西 Iteration 4400, loss = 0 I0805 11:10:16.976716 1936085760 solver.cpp:229] Train net output #0: loss = 2.92436 (* 1 = 2.92436 loss) 我对迭代损失和列车净损失之间的区别感到困惑。通常迭代损耗很小（约为0），列车净输

我正在使用caffe训练一个CNN，底部有一个欧几里德损失层，我的solver.prototxt文件配置为每100次迭代显示一次。我看到这样的东西

Iteration 4400, loss = 0
I0805 11:10:16.976716 1936085760 solver.cpp:229]     Train net output #0: loss = 2.92436 (* 1 = 2.92436 loss)

我对迭代损失和列车净损失之间的区别感到困惑。通常迭代损耗很小（约为0），列车净输出损耗稍大。有人能澄清一下吗？

埃文·谢尔哈默已经回答了他的问题

正如他指出的，

净输出#k

结果是特定迭代/批次的净输出，而

迭代T，损耗=X

输出根据

平均损耗

字段在迭代之间平滑。

平均损耗是多少？它有什么作用？@Coderx7我找不到这方面的官方文档，但请参阅和。如果您的问题得到解决，您介意接受答案吗？