文档帮助中心
类名
分类层
的分类层计算用于多类分类问题互斥类交叉熵损失。
创建使用分类层classificationLayer。
classificationLayer
展开全部
类
'汽车'
输出层的类,指定为分类矢量,字符串数组,字符向量的单元阵列,或'汽车'。如果类是'汽车',那么软件会自动在训练时间设置类。如果指定字符向量的字符串数组或单元阵列海峡,则软件将输出层的类分类(STR,STR)。默认值是'汽车'。
海峡
分类(STR,STR)
数据类型:烧焦|明确的|串|细胞
烧焦
明确的
串
细胞
OutputSize
此属性是只读的。
输出的大小,指定为一个正整数。此值是在数据标签的数量。训练前,输出尺寸设为'汽车'。
LossFunction
'crossentropyex'
培训损失函数,指定为'crossentropyex',它代表交叉熵函数ķ互斥类。
名称
“”
层名称,指定为字符向量或字符串标量。要在一个层图形层,你必须指定一个非空的唯一图层名称。如果你训练的一系列网络层和名称设定为“”,那么软件的名称自动分配到训练时间的层。
数据类型:烧焦|串
NumInputs
的层的输入端数量。该层只接受单个输入。
数据类型:双
双
InputNames
{'在'}
该层的输入名称。该层只接受单个输入。
数据类型:细胞
NumOutputs
层的输出数目。该层具有无输出。
OutputNames
{}
该层的输出的名称。该层具有无输出。
全部收缩
创建一个名为分级层“输出”。
“输出”
层= classificationLayer('名称',“输出”)
层= ClassificationOutputLayer与属性:名称: '输出' 类: '自动' OutputSize: '自动' 超参数LossFunction: 'crossentropyex'
包括在一个分类输出层层阵列。
层
层= [...imageInputLayer([28 28 1])convolution2dLayer(5,20)reluLayer maxPooling2dLayer(2,“跨越论”,2)fullyConnectedLayer(10)softmaxLayer classificationLayer]
层= 7X1层阵列层:1 '' 图像输入28x28x1图像与 'zerocenter' 正常化2 '' 卷积20个5x5的卷积与步幅[1 1]和填充[0 0 0 0] 3 '' RELU RELU 4 '' 最大池2×2与步幅[2 2]和填充[0 0 0 0]的5 '' 完全连接10完全连接层6 '' 使用SoftMax SOFTMAX 7'分类输出crossentropyex最大池
对于典型的分类网络,分类层必须遵循SOFTMAX层。在分级层,trainNetwork从SOFTMAX功能所采用的值,并且每个输入分配给的一个ķ使用交叉熵函数为1-OF-互斥类ķ编码方案[1]:
trainNetwork
失利 = - Σ 一世 = 1 ñ Σ Ĵ = 1 ķ Ť 一世 Ĵ LN ÿ 一世 Ĵ ,
哪里ñ是样本的数目,ķ是类的数量, Ť 一世 Ĵ 是指标,该一世个样本属于Ĵ次课, ÿ 一世 Ĵ 为样本的输出一世上课Ĵ,在这种情况下,是从SOFTMAX函数的值。也就是说,它是网络相关联的概率一世与类个输入Ĵ。
不推荐在R2018b开始
类名将被删除。用类代替。要更新您的代码,替换的所有实例类名同类。有迹象表明,需要额外的更新你的代码性能之间的一些差异。
该类名输出层的属性是字符向量的单元阵列。该类属性是一个明确的阵列。要使用的值类与需要单元阵列的输入功能,转换使用的类cellstr功能。
cellstr
[1]毕晓普,C. M.模式识别和机器学习。施普林格,纽约,2006年。
regressionLayer|softmaxLayer
regressionLayer
softmaxLayer
这个例子的修改版本的系统上存在。你要打开这个版本呢?
您单击对应于该MATLAB命令的链接:
在MATLAB命令窗口中输入它运行的命令。Web浏览器不支持MATLAB的命令。万博1manbetx
选择一个网站,以获得翻译的内容,其中可看到当地的活动和优惠。根据您的位置,我们建议您选择:。
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。
请联系您当地的办事处