我在Caffe中训练了一个二分类CNN，现在我想绘制ROC曲线并计算AUC值。我有两个问题：1) 如何在Caffe中使用Python绘制ROC曲线？2) 如何计算ROC曲线的AUC值？

回答：

Python中的sklearn.metrics模块提供了roc_curve和roc_auc_score函数，只需导入并使用它们即可。

假设你有一个输出二分类概率的二进制预测层（我们称之为"prob"），那么你的代码应该看起来像这样：

import caffe
from sklearn import metrics
# 加载带有训练权重的网络
net = caffe.Net('/path/to/deploy.prototxt', '/path/to/weights.caffemodel', caffe.TEST)
y_score = []
y_true = []
for i in xrange(N): # 假设你有N个验证样本
    x_i = ... # 获取第i个验证样本
    y_true.append( y_i )  # y_i是0或1，表示x_i的真实标签
    out = net.forward( data=x_i )  # 获取x_i的预测结果
    y_score.append( out['prob'][1] ) # 获取“1”类的得分
# 一旦你有了N个y_score和y_true值
fpr, tpr, thresholds = metrics.roc_curve(y_true, y_score, pos_label=1)
auc = metrics.roc_auc_score(y_true, y_score)