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=10
template <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.
}