来自Caffe SoftmaxWithLoss错误

Question

，当我试图解决我的神经网络我收到此错误信息：

Check failed: label_value < prob_.shape(softmax_axis_) (1 vs. 1) 

我的标签都是0或1。当我尝试了这个example它与0和1标签的工作。因此，我的假设是错误是在第二部分：

prob_.shape(softmax_axis_) 

我在源代码中看着它，我不明白我的源代码或prototxt文件如何影响这个值。

有人可以解释一下怎么回事，以及如何让我的softmax图层接受值为1的标签？

Answer 1

当使用"SoftmaxWithLoss"图层来预测二元标签时，您的“类概率”向量应该长度为2（而不是1）。
您收到一个错误消息，称您的“类概率”向量（又名“prob_”）的维数为1，而它应该至少为2（即严格为大于最大标签）。

检查产生类概率的图层中的num_output参数。

或者，对于二元分类，请考虑使用"SigmoidCrossEntropyLoss"