我使用caffe / example / mnist网络对数字进行分类。当我给网络一张数字图片时，似乎工作正常。但是当我给网络一张图片而不是一个数字时，受过mnist训练的网络softmax层给出的概率总是有一个概率为1而其他概率为0，如：
[0,0,0，...，1,0,0,0]。
我认为应该是这样的：
[0,0.1,0.2，...，0.4,0.1,0.2]，
在这种情况下，我可以说这不应该是一个数字。有什么问题？
答案 0 :(得分：0)
很难知道会发生什么，因为它没有经过非数字训练，它必须给出总和为1的结果。通过使用Softmax，你告诉网络有一个数字，同时显示一个非数字。您无法查看其输出，然后确定它是否为数字。
此外，MNIST的训练数据非常陈规定型，不利于推广。前景编号总是 255，背景总是 0.平均值将更接近0，因为背景像素更多。简单地呈现具有100的平均像素值的图像可以将预测偏向于通常具有更多像素的数字（可能像8）。您只能期望网络推广到类似类型的刺激。对于您的任务，您应该进行大量的数据扩充。
您希望允许所有数字的概率为零，您可以使用交叉熵损失来执行此操作。这也允许概率也总和大于1（最大10）。你也可以尝试为＆＃34;非数字＆＃34;添加另一个类。然而，对于Softmax，你应该呈现非数字刺激和数字刺激，这些刺激与自然刺激更相似（因此它不能轻易分离）。
答案 1 :(得分：0)
根据caffe / examples / mnist训练mnist后，在部署时，您必须为网络提供0-1而不是0-255范围内的图像。尝试一下，看看你是否得到正确的probs Illustration image
