关于G网络训练的疑问

[Rheelt]

在G_pretrain.m文件中代码摘要如下
`prob_k=zeros(9,1);
for k=1:9

row=floor((k-1)/3)+1;
col=mod((k-1),3)+1;

for i=1:nBatches
batch = pos_data(:,:,:,opts.batchSize*(i-1)+1:min(end,opts.batchSize*i));
batch(col,row,:,:)=0;
if(opts.useGpu)
batch = gpuArray(batch);
end
res = vl_simplenn(net_fc, batch, [], [], ...
'disableDropout', true, ...
'conserveMemory', true, ...
'sync', true) ;

f = gather(res(end).x) ;
if ~exist('feat','var')
    feat = zeros(size(f,1),size(f,2),size(f,3),n,'single');
end
feat(:,:,:,opts.batchSize*(i-1)+1:min(end,opts.batchSize*i)) = f;    

end

X=feat;
E = exp(bsxfun(@minus, X, max(X,[],3))) ;
L = sum(E,3) ;
Y = bsxfun(@rdivide, E, L) ;
prob_k(k)=sum(Y(1,1,1,:));

end
[~,idx]=min(prob_k);`

其中**[~,idx]=min(prob_k)**此处选择出来的idx对应的mask，所产生的D网络的loss不是最大的，而是最小的。这样选出的mask与论文中所阐明的选择方法不同。
@22wei22

[Rheelt]

@yl1991

[ybsong00]

We do softmax after network output. So the prob_k means the output probability rather than loss.

[vincennnnt]

@Rheelt 你好，在代码中的cost sensitive loss是在哪里调用的，不是根据这个loss来更新mask的权重么，然后我在代码并没有找到调用的地方。