如何在caffe中实现soft-argmax？

Question

在Caffe深度学习框架中，存在不可微分的argmax层，因此不能用于CNN的端到端训练。有谁能告诉我如何实现软argmax的软版本argmax？

我想从热图中回归坐标，然后在损耗计算中使用这些坐标。我对这个框架很新，因此不知道如何做到这一点。任何帮助都感激不尽。

Answer 1

我没有得到你想要的，但有以下选项：

1. 使用L2损失来训练回归任务（EuclideanLoss）。或SmoothL1Loss（来自SSD Caffe by Wei Lui），或L1（不知道你得到了它）。
2. 使用具有交叉熵损失的softmax（SoftmaxWithLoss）来训练具有与x或y坐标的可能值对应的类的分类任务。例如，x为一个损失层，y为一个。 SoftmaxWithLoss接受label作为数值，并使用static_cast（）将其强制转换为int。但是考虑到实现不会检查转换值是否在0 ..（num_classes-1）范围内，所以你必须要小心。
3. 如果你想要一些更不寻常的东西，你必须用C ++，C ++ / CUDA或Python + NumPy编写自己的图层。除非您已经在使用其他人的实现，否则通常会出现这种情况。