caffe accuracy_layer.cpp 解读

特别声明，这篇是我自己看的，有很多观点我自己都拿不准，要是不对，一定要跟我说下，我好改，咱互相学习。
直接看代码啊

accuracy_layer.cpp用的是lenet5网络 batch_size=100；类=10template <typename Dtype>void AccuracyLayer<Dtype>::Forward_cpu(const vector<Blob<Dtype>*>& bottom,    const vector<Blob<Dtype>*>& top) {  Dtype accuracy = 0;//准确率  const Dtype* bottom_data = bottom[0]->cpu_data();//100*10  const Dtype* bottom_label = bottom[1]->cpu_data();//100*1,100个图像对应的类  const int dim = bottom[0]->count() / outer_num_;//dim=10  const int num_labels = bottom[0]->shape(label_axis_);  //全连接后的blob数据都是2维的，label_axis_=1，所以shape就应该是N*D中的D（这块可以看我上一篇文章）  //所以bottom[0]->shape（1）=10，也就是类别数  vector<Dtype> maxval(top_k_+1);  vector<int> max_id(top_k_+1);  if (top.size() > 1) {    caffe_set(nums_buffer_.count(), Dtype(0), nums_buffer_.mutable_cpu_data());    caffe_set(top[1]->count(), Dtype(0), top[1]->mutable_cpu_data());  }  int count = 0;  for (int i = 0; i < outer_num_; ++i) {//outer_num_=100    for (int j = 0; j < inner_num_; ++j) {//inner_num_为每个图像所对应的类别数，所以=1      const int label_value =          static_cast<int>(bottom_label[i * inner_num_ + j]);          //将bottom_label的值赋给label_value，[i * inner_num_ + j]其实就是一个图像一个类嘛      if (has_ignore_label_ && label_value == ignore_label_) {        continue;      }      if (top.size() > 1) ++nums_buffer_.mutable_cpu_data()[label_value];      DCHECK_GE(label_value, 0);      DCHECK_LT(label_value, num_labels);//label_value（0~9）肯定小于 num_labels（10）      // Top-k accuracy  // top_k为取前k个最高评分（的预测标签）      std::vector<std::pair<Dtype, int> > bottom_data_vector;      //这个主要就是用于对接下来两步把测试评分与类别ID挂勾，并对评分排序（这里我其实是比较迷糊的，测试评分指的是bottom_data，难道说经过全连接后，得到的向量就是测试评分？ 迷糊中～～～）      for (int k = 0; k < num_labels; ++k) {        bottom_data_vector.push_back(std::make_pair(            bottom_data[i * dim + k * inner_num_ + j], k));            //把测试评分与类别ID挂勾，      }      std::partial_sort(          bottom_data_vector.begin(), bottom_data_vector.begin() + top_k_,          bottom_data_vector.end(), std::greater<std::pair<Dtype, int> >());//排序      // check if true label is in top k predictions      for (int k = 0; k < top_k_; k++) {        if (bottom_data_vector[k].second == label_value) {          ++accuracy;          .second指的是类别，如果跟label_value相等，那就说明准确          if (top.size() > 1) ++top[1]->mutable_cpu_data()[label_value];          break;        }      }      ++count;    }  }  // LOG(INFO) << "Accuracy: " << accuracy;  top[0]->mutable_cpu_data()[0] = accuracy / count;  if (top.size() > 1) {    for (int i = 0; i < top[1]->count(); ++i) {      top[1]->mutable_cpu_data()[i] =          nums_buffer_.cpu_data()[i] == 0 ? 0          : top[1]->cpu_data()[i] / nums_buffer_.cpu_data()[i];    }  }  // Accuracy layer should not be used as a loss function.}