如何获得多重损失和准确性的加权总和（caffe）

Question

我已经在同一图像的两个不同模态上训练了一个网络。我在一层中将数据一起传递，但在那之后，它几乎是两个并行的网络，它们不共享一个层，并且这两个任务具有不同的标签集，因此我有两个不同的损失和准确性层。

1. 我看过caffe平均multiple losses和accuracy（跟这个问题），是不是只有至少共享一层才这样？我打算创建一个合奏，但现在看来我只有两个不同的网络。我打算平均损失和准确性，以便两个网络分支都有助于一个准确性。在训练中，我看到两个独立的损失和准确性。在测试新图像对时如何获得平均损失和准确度？

2. 通过转发网络，是不是可以得到两个预测呢？如果可以，怎么做？

Answer 1

使用 caffe 参数 loss_weight 可以在一个网络中使用多个损失。例如，对于权重为 0.5 的损失层之一，您可以使用以下内容。

...
layer{
  name: "loss_a"
  type: "SigmoidCrossEntropyLoss"
  bottom: "fc8_a"
  bottom: "attributes_a"
  top : "loss_a"
  loss_weight : 0.5
 }

 layer{
  name: "loss_b"
  type: "SigmoidCrossEntropyLoss"
  bottom: "fc8_b"
  bottom: "attributes_b"
  top : "loss_b"
}