caffe loss layers

1.Softmax

  • 类型(type):SoftmaxWithLoss(广义线性回归分析损失层)

Softmax Loss Layer计算的是输入的多项式回归损失(multinomial logistic loss of the softmax of its inputs)

2.Sum-of-Squares / Euclidean

  • 类型(type):EuclideanLoss(欧式损失层)

euclidean loss即为计算两个不同输入的平方和,

12Ni=1N||x1is2i||22

3.Hinge / Margin

  • 类型(type):HingeLoss

  • 参数包括L1,L2范数:

​ 可选:norm [default L1]: the norm used. Currently L1, L2(可以选择使用L1范数或者L2范数;默认为L1)

使用方法如下,

#使用L1范数

layer {

  name: "loss"                  # 名称:loss

  type: "HingeLoss"             # 类型:HingeLoss

  bottom: "pred"                # 输入:预测值

  bottom: "label"               # 输入:标签值

}

#使用L2范数

layer {

  name: "loss"                  # 名称:loss

  type: "HingeLoss"             # 类型:HingeLoss

  bottom: "pred"                # 输入:预测值

  bottom: "label"               # 输入:标签值

  top: "loss"                   # 输出:loss值

  hinge_loss_param {

    norm: L2                    # 使用L2范数

  }

}
  1. Sigmoid Cross-Entropy

    • 类型(type):SigmoidCrossEntropyLoss
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值