Caffe SoftmaxWithLoss 错误
Caffe SoftmaxWithLoss Error
我在尝试求解我的神经网络时收到此错误消息：
Check failed: label_value < prob_.shape(softmax_axis_) (1 vs. 1)
我的标签都是 0 或 1。当我尝试这个 example 时，它使用 0 和 1 标签。所以我的假设是错误在第二部分：
prob_.shape(softmax_axis_)
我在源代码中查找它，但我不明白我的源代码或 prototxt 文件如何影响这个值。
谁能解释一下发生了什么，以及如何让我的 softmax 层接受值为 1 的标签？
当使用 "SoftmaxWithLoss" 层预测二进制标签时，您的 "class-probability" 向量长度应为 2（而不是 1）。
你得到一个错误说你的 "class-probability" 向量（又名“prob_”）是维度 1 而它应该至少是 2（即 strictly 大于最大的标签）。
在产生 class 概率的图层中检查 num_output 参数。
或者，对于二进制 class化，考虑使用 "SigmoidCrossEntropyLoss"
我在尝试求解我的神经网络时收到此错误消息：
Check failed: label_value < prob_.shape(softmax_axis_) (1 vs. 1)
我的标签都是 0 或 1。当我尝试这个 example 时，它使用 0 和 1 标签。所以我的假设是错误在第二部分：
prob_.shape(softmax_axis_)
我在源代码中查找它，但我不明白我的源代码或 prototxt 文件如何影响这个值。
谁能解释一下发生了什么，以及如何让我的 softmax 层接受值为 1 的标签？
当使用 "SoftmaxWithLoss" 层预测二进制标签时，您的 "class-probability" 向量长度应为 2（而不是 1）。
你得到一个错误说你的 "class-probability" 向量（又名“prob_”）是维度 1 而它应该至少是 2（即 strictly 大于最大的标签）。
在产生 class 概率的图层中检查 num_output 参数。
或者，对于二进制 class化，考虑使用 "SigmoidCrossEntropyLoss"