数据挖掘 - Mxnet deepdog（热狗不是热狗）示例 - 网络如何知道它正在对热狗进行分类 - 吾爱随笔录

它采用预训练的 squeenext1_1 权重，并将 imagenet_hotdog_index 变量设置为 713。

    net = models.squeezenet1_1(pretrained=True, prefix='deep_dog_', ctx=contexts)
# hot dog happens to be a class in imagenet.
# we can reuse the weight for that class for better performance
# here's the index for that class for later use
imagenet_hotdog_index = 713

然后他们在上面设置了一个 2 类输出层

    deep_dog_net = models.squeezenet1_1(prefix='deep_dog_', classes=2)
deep_dog_net.collect_params().initialize(ctx=contexts)
deep_dog_net.features = net.features
print(deep_dog_net)

我感到困惑的是classify_hotog函数——它将softmax应用于输出层，然后返回最高的结果索引。如果我们以某种方式告诉网络与索引 713 进行比较，这将非常有意义。但是在重新使用索引变量之前调用它进行预测？网络如何知道要比较的类是索引 713/hot dog？我们基本上采用了squeezenet并将其减少到2类输出。但是网络如何知道将其与哪个类进行比较？为什么在展示热狗时它会给第二个参数/类提供很高的概率 - 在我看来，它不应该知道它将它与哪个类进行比较？

out = mx.nd.SoftmaxActivation(net(image.as_in_context(contexts[0])))
print('Probabilities are: '+str(out[0].asnumpy()))
result = np.argmax(out.asnumpy())

我原以为它可能会使用完整的squeezenet输出层，并设置类似

if np.argmax(out.asnumpy()) == 713:
     "Hot Dog!'
Else:
     "Not hot dog!"

从来没有理解这一点，如果有人能帮助我得到这个细节，我将不胜感激。