为什么 Caffe 准确率层报告的准确率与 pycaffe 报告的准确率不同？

Question

我在训练阶段和测试阶段都有一个准确度层。
我还尝试从PyCaffe 训练Caffe，以便更好地绘制曲线。
但是我注意到，使用

返回的准确性

solver.test_nets[0].blobs['accuracy'].data

与我自己计算的不同：

def run_test(solver, test_iter):
    '''
    Tests the network on all test set and calculates the test accuracy
    '''
    correct = 0
    batch_size_test =  solver.test_nets[0].blobs['data'].data.shape[0]

    for test_it in range(test_iter):
        #testing the network on all test set and calculate the test accuracy
        solver.test_nets[0].forward()
        correct += sum(solver.test_nets[0].blobs['ip1'].data.argmax(1) == solver.test_nets[0].blobs['label'].data)

    acc = correct / (test_iter * batch_size_test)
    return acc

run_test 返回的准确度与 Caffe 在控制台屏幕上报告的准确度相同。
这里有什么问题？
我的训练阶段准确率和损失也有这个问题，再次表示

    train_loss[it] = solver.net.blobs['loss'].data
    training_acc = str(solver.net.blobs['accuracy_training'].data)

与 Caffe 在控制台屏幕中报告的值不同。

Answer 1

我在这里犯了一个严重的错误！ 一切都很好，除了我应该只将累积的准确度除以 test_iter 时间：

def run_test(solver, test_iter):
    '''
    Tests the network on all test set and calculates the test accuracy
    '''
    correct = 0
    batch_size_test =  solver.test_nets[0].blobs['data'].data.shape[0]

    for test_it in range(test_iter):
        #testing the network on all test set and calculate the test accuracy
        solver.test_nets[0].forward()
        correct += solver.test_nets[0].blobs['accuracy'].data

    acc = correct / test_iter
    return acc 

sn-p：

solver.test_nets[0].blobs['accuracy'].data

将产生单个批次的准确度，显然为了获得整个测试集的准确度，它们需要累积test_iter 次，然后除以test_iter。