python - cntk中loss和metric是如何计算的

Question

我是 cntk 和 python 的新手。我创建了一个基于 TrainResNet_CIFAR10.py 的 python 程序来训练 4736 张 (64x64x3) 图像并测试 2180 张具有 4 个类别的图像。训练 160 个时期后，我得到损失 = 0.663 和指标 = 29.37%。完成评估指标 = 18.94%。当我评估基于CNTKLibraryCSEvalExamples.cs的训练模型测试2180张图片时，几乎所有2180张都被归为一类(二类)。我的问题是:

1. 我假设损失是根据 cross_entropy_with_softmax(z, label_var) 计算的，而度量是使用 classification_error(z, label_var)。我是正确的吗？他们实际上是如何确定的？
2. 指标 = 29.37% 和评估指标 = 18.94% 是什么意思？它们分别来自训练图像和测试图像吗？
3. 什么会导致完全错误的评估结果？

任何帮助将不胜感激。

Answer 1

(1) 是的。

(2) 29.37% 表示 29.37% 的分类是正确的。评估是在测试数据上进行的，假设您正在阅读训练和测试数据。

(3) 确保输入的格式相同，我的意思是您在 Python 中标准化或减去均值，如果是这样，那么您需要在 C# 中执行相同的操作。您可以先使用 Python 运行 eval 并查看您得到什么结果吗？