我正在尝试使用LeNet网络作为二分类器（是，否）。测试配置文件中的第一层和最后几层如下所示：

    layer {      name: "data"      type: "ImageData"      top: "data"      top: "label"      include {        phase: TEST      }      transform_param {        scale: 0.00390625      }      image_data_param {        source: "examples/my_example/test_images_labels.txt"        batch_size: 1        new_height: 128        new_width: 128      }    }...    layer {      name: "ip2"      type: "InnerProduct"      bottom: "ip1"      top: "ip2"      param {        lr_mult: 1      }      param {        lr_mult: 2      }      inner_product_param {        num_output: 2        weight_filler {          type: "xavier"        }        bias_filler {          type: "constant"        }      }    }    layer {      name: "accuracy"      type: "Accuracy"      bottom: "ip2"      bottom: "label"      top: "accuracy"    }    layer {      name: "loss"      type: "SoftmaxWithLoss"      bottom: "ip2"      bottom: "label"      top: "loss"    }

在测试时，我设置了batch_size=1，因此我使用以下命令运行测试：

./build/tools/caffe test -model examples/my_example/lenet_test.prototxt -weights=examples/my_example/lenet_iter_528.caffemodel -iterations 200

我的目的是能够单独分析每张测试图像的结果。目前，每次迭代我得到以下信息：

I0310 18:30:21.889688  5952 caffe.cpp:264] Batch 41, accuracy = 1I0310 18:30:21.889739  5952 caffe.cpp:264] Batch 41, loss = 0.578524

然而，由于我的网络有两个输出，我希望在测试时看到每个输出的两个独立值：一个用于类别“0”（“否”），另一个用于类别“1”（“是”）。应该类似于以下内容：

Batch 41, class 0 output: 0.755Batch 41, class 1 output: 0.201

我应该如何修改测试配置文件来实现这一点？

回答：

你想看到"Softmax"的概率输出（不仅仅是损失）。
为此，你可以尝试使用"SoftmaxWithLoss"并添加两个"top"（我不确定这个选项是否完全功能/支持）：

layer {  name: "loss"  type: "SoftmaxWithLoss"  bottom: "ip2"  bottom: "label"  top: "loss"  top: "prob" # 添加类别概率输出}

或者，如果前面的解决方案不起作用，明确添加一个"Softmax"层：

layer {  name: "prob"  type: "Softmax"  bottom: "ip2"  top: "prob"}