mAP指标的含义

平均准确率均值mAP(Mean Average Precision)
对于每类事件根据每个样本得到的预测分值绘制准确率-召回率(precision-recall)曲线
计算曲线下区域面积即AP(Average precision)
对所有事件类别计算AP的均值，即mAP

caffe实现中使用了大量的虚函数、类模板，请介绍一下虚函数、类模板以及虚基类的使用场景

虚函数：是使基类指针指向派生类，用来方便通过基类调用不同派生类的函数实现，例如caffe中各种layer的forward方法。
类模板：多个类有共同操作，只是数据类型不同时候使用类模板。
虚基类：主要用在多重继承的派生类中，使派生类只保留间接基类的一份成员，多重继承较为复杂容易出错，不推荐这种用法

softmaxloss在深度学习中为何最为流行，有哪些优势；为何将softmax和交叉熵损失放在一起，有什么好处

https://zhuanlan.zhihu.com/p/25723112
http://freemind.pluskid.org/machine-learning/softmax-vs-softmax-loss-numerical-stability/
这两篇文章对于softmax解释的非常好，在深度学习中使用最为广泛，有两个原因，一是其输出为类别的概率值，二是因为其梯度求导特别简单。交叉熵的函数形式为

Loss = -sum(y_i*ln(z_i)) // z_i为softmax输出，y_i为ground_truth

由于softmax的特点，其导数特别友好，非常方便计算。如果将softmax和交叉熵分成两部分，就会多计算一个乘z_j再除z_j的过程，由于z_j为softmax输出，很可能非常小，会有可能导致float数据类型溢出，从而结果错误。