我微调 vgg-16 以进行二元分类。我使用 sigmoidLoss 层作为损失函数。
为了测试模型，我编写了一个 python 文件，我在其中加载了带有图像的模型并使用以下命令获取输出：
out = net.forward()
我的疑问是我应该从 Sigmoid 层还是 SigmoidLoss 层获取输出。 以及2层有什么区别。
我的输出实际上是输入图像为 1 类的概率。**
【问题讨论】：
标签： python deep-learning caffe convolution pycaffe
为了对测试集进行预测，您可以通过修改原始 prototxt 来创建单独的部署 prototxt。
以下是相同的步骤
您可以在此处阅读更多信息：deploy prototxt
否则，您可以添加
包括 {
阶段：训练
}
到您的 SigmoidWithLoss 层，以便在测试网络时不使用它。要进行预测，只需检查 Sigmoid 层的输出即可。
【讨论】：
SigmoidWithLoss 层每批次输出一个 单个 数字，表示相对于 ground truth 标签的损失。
另一方面，Sigmoid 层为批次中的每个输入输出一个概率值。此输出不需要计算地面实况标签。
如果您正在寻找每个输入的概率，您应该查看Sigmoid 层的输出
【讨论】：
"SigmoidCrossEntropyLoss" 层。层必须有两个输入。