caffe loss function

结合caffe的实现分析一下常用得loss function

欧式距离损失函数（Euclidean Loss）

输入：
预测的值： y^∈[−∞,+∞] , shape为：N×C×H×W,N为batch的大小
标签的值： y∈[−∞,+∞] , shape为：N×C×H×W
输出：
Loss=(1/2N)∑ ||y^n −yn ||2，shape为:1x1x1x1

在caffe中，以softmax为例：
在Train阶段，后面接softmax_loss_layer，在forword时，计算loss(由prob_和定义的loss_function),在backword时，计算梯度，并将梯度存储在bottom[0].diff_中
在Test阶段，后面接soft_layer，在forword时，计算概率prob_