caffe中的softmaxWithLoss其实是：
softmaxWithLoss = Multinomial Logistic Loss Layer + Softmax Layer
其中：
Multinomial Logistic Loss Layer 即为交叉熵代价函数
Softmax Layer其实就是指softmax function（全连接那一步在它前面的fc中实现）
示意图如下：
应该注意，这里的Softmax Layer与机器学习中提到的softmax regression有一个小小的不同：它没有将前面的全连接层考虑在内，也就是说，它将softmax regression进行了分解：
softmax regression = 全连接层 + softmax layer （即softmax function）
另外，softmax function那个过程，按照如下方式绘制展示可能会更加明白
最后
以上就是俭朴白猫最近收集整理的关于caffe小问题（2）：softmaxWithLoss的全部内容，更多相关caffe小问题（2）内容请搜索靠谱客的其他文章。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复