與絕大多數的機器學習引擎一樣，caffe是由乙個lossfunction（損失函式）驅動的。loss function也稱為 error function，cost function或者objective function。loss function利用模型中的引數（比如模型中網路的weights-權重引數）運算得出乙個（標量）結果，這個結果表明引數設定的badness，通過最小化loss function得出的badness，來優化演算法，達到學習的目標。
caffe中的loss是由net的forward pass計算得出的。每乙個layer根據輸入的blobs計算得到輸出的blobs。某些layer的輸出會被用於loss function計算badness。對於one-versus-all classification task（多分類問題），乙個經典的loss function是softmaxwithloss function（廣義線性回歸分析損失函式）。如下定義：
layer
對於有多個layer組成的net而言（例如乙個由softmaxwithloss layer和euclideanloss layer組成的net），loss weights（權重）用來表徵不同layer產生的loss的重要性。
caffe裡面的約定，layer名稱中以loss結尾表示這是乙個會產生loss的layer，除此之外，其他的layer只是單純的用於中間計算。然而，任何乙個layer都可以被用於產生loss，如果為layer產生的每乙個output blob新增乙個屬性：loss_weight: 的話。每乙個loss layer都有乙個隱含的loss weight，對於第乙個top/output，loss weight是1，對於其他的top/output，loss weight是0；其他型別layer隱含的loss weight都是0。所以上述的softmaxwithloss layer也可以寫成：
layer
caffe最後輸出的loss，是由net中所有的loss加權得到的，如下所示（偽**）：
loss := 0
for layer in layers:
for top, loss_weight in layer.tops, layer.loss_weights:
loss += loss_weight * sum(top)
Caffe官方教程翻譯（2） Web demo
這個伺服器demo需要一些python依賴。為了確保你已經滿足了這些依賴庫，請執行 pip install r examples web demo requirements.txt，也要確保你已經成功編譯了caffe的python介面，並且已經新增到你的python路徑 pythonpath 中。s...
caffe 繪製accuracy和loss曲線
我們在訓練的時候會用到caffe buile tools caffe 這個裡面的train這個選項。在輸入之後，正常會顯示訓練日誌的詳細資訊。想要畫出這裡面顯示的loss和accuracy圖，就可以把這些輸出的日誌內容重定向到乙個檔案內，然後利用shell命令檢索出其中的loss和accuracy值...
Caffe 繪製loss和accuracy曲線
這裡我們在ipython notebook中繪製曲線 載入必要的庫 import numpy as np import matplotlib.pyplot as plt matplotlib inline import sys,os,caffe 設定當前目錄 caffe root home bnu ...