Caffe源码-LossLayer类(下)
InfogainLossLayer类 EuclideanLossLayer类 HingeLossLayer类 ContrastiveLossLayer类 InfogainLossLayer类简介 InfogainLossLayer与SoftmaxWithLossLayer类似,只不过增加了一个信息增益矩阵 \(H\) ,用于指定某真实类别的数据被预测为某一类别时的权重,常用于类间样本数不均衡的情况。当矩阵 \(H\) 为单位矩阵时,等同于SoftmaxWithLossLayer。 第一个输入blob为网络的预测值,大小 \(\tilde{N} \times C \times \tilde H \times \tilde W\) ,范围 \(x_{n,k} \in [-\infty, +\infty]\) 。计算loss时使用softmax函数值作为其概率, \(\hat{p}_{n,k} = \frac{e^{x_{n,k}}}{\sum\limits_{k'=1}^{K} e^{x_{n,k'}}}\) 。 后续 假设 计算softmax时是沿着第1维(维度 \(C\) )进行的,则维度 \(C\) 的大小即为类别总数 \(K\) ,数据的总个数为外部个数(对应代码中的 outer_num_ )乘上内部个数 inner_num_ ,即 \(N=\tilde N * \tilde