输入输出都是图像,如何定义Loss层和Accuracy层?

我的网络输入输出都是图像,即用一个图像org来预测另一个图像pre,org大小20*20,pre大小8*8,在LeNet的基础上稍微修改,我采用两个Data层分别来输入,org经过一系列卷积层最后通过全连接层ip有64个输出。
最后的Loss层有两个输入ip和pre,这时候再用SoftmaxLoss就不行了,于是我改用EuclideanLoss,这样好像没问题。但是Accuracy还是不行,提示的是outer*inner 与bottom[1]的数量不同,我查了一下说是Accuracy会利用最后一次全连接的输出来计算出所属类别的标签,于是相当于out*inner数量是1,而我的pre数量是8*8=64,这样就没法计算准确率。
现在我的问题是:1.把SoftmaxLoss改成EuclideanLoss是解决办法吗?有没有更好的解决办法?2.Accuracy层该如何更改才能输出准确率,或者输出范数也就是误差平方和?
已邀请:

要回复问题请先登录注册