二分类问题打标签label以及求loss的选择——从accuracy底层实现代码理解

使用caffe做二分类问题的时候，对于loss层的选择主要有以下两种常用的方法：

1、sigmoid cross entropy
最后一层fc的输出设置为一个结点，输入的label是0或1。

2、softmax with loss
最后一层fc的输出设置为两个结点，输入的label依旧是0或者1。
这是由于softmax是用于处理多分类问题，需要上一层的输出个数同分类数目相同，而损失层会将label变为（1，0）或者（0，1）的形式。

这里需要重点提到accuracy的计算原理，涉及到accuracy的底层代码：
accuracy在.prototxt文件中通常定义为：

layer {
  name: "accuracy"
  type: "Accuracy"
  bottom: "fc_final"
  bottom: "label"
  top: "accuracy"
  include {
    phase: TEST
  }
}

从accuracy layer的定义我们可以看出，accuracy的输入一个是最后一层的全连接层，一个是输入的label。
fc_final输出的值和概率并没有关系，它可以是属于R的任何值，那么为什么无论fc_final接多少个输出，而label输入只是{0，1}的时候，accuracy层也能计算出Test层的准确度呢？