在caffe中，网络的结构由prototxt文件中给出，由一些列的Layer（层）组成，常用的层如：数据加载层、卷积操作层、pooling层、非线性变换层、内积运算层、归一化层、损失计算层等；本篇主要介绍loss层

1. loss层总述

下面首先给出全loss层的结构设置的一个小例子（定义在.prototxt文件中）

layer {

  name: "loss"

  type: "SoftmaxWithLoss"  //loss fucntion的类型

  bottom: "pred"  //loss fucntion的输入数据blob，即网络的预测值lable

  bottom: "label"  //loss function的另外一个输入数据blob，即数据集的真实label

  top: "loss" //loss的输出blob，即分类器的loss 值

}

2. loss function类型

粗略地讲，loss function是用来衡量估计值和真实值之间的误差情况的；在caffe中，包含了常用的loss function，目前主要有以下几种：

【Loss drives learning by comparing an output to a target and assigning cost to minimize. The loss itself is computed by the forward pass and the gradient w.r.t. to the loss is computed by the backward pass.】

（1）softmax：图像多类分类问题中主要就是用它

• Layer type: SoftmaxWithLoss

（2）Sum-of-Squares / Euclidean：主要用在线性回归中

• Layer type: EuclideanLoss

（3）Hinge / Margin：主要用在SVM分类器中

• Layer type: HingeLoss

（4）Sigmoid Cross-Entropy

• Layer type: SigmoidCrossEntropyLoss

（5）Infogain

• Layer type: InfogainLoss

 参考：caffe tutorial