ClassificationOutputLayer

分类层

扩大所有页面

描述

的分类层计算用于多类分类问题互斥类交叉熵损失。

创建

创建使用分类层classificationLayer。

属性

展开全部

分类输出

`类`-输出层的类
`'汽车'`（默认）|分类矢量|字符串数组|字符向量的单元阵列

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'。

数据类型：烧焦|明确的|串|细胞

`OutputSize`-输出的大小
`'汽车'`（默认）|正整数

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`-培训损失函数
`'crossentropyex'`

此属性是只读的。

培训损失函数，指定为'crossentropyex'，它代表交叉熵函数ķ互斥类。

层

`名称`-图层名称
`“”`（默认）|特征向量|串标

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`-输入数量
1（默认）

的层的输入端数量。该层只接受单个输入。

数据类型：双

`InputNames`-输入名字
`{'在'}`（默认）

该层的输入名称。该层只接受单个输入。

数据类型：细胞

`NumOutputs`-输出数量
0（默认）

层的输出数目。该层具有无输出。

数据类型：双

`OutputNames`-输出名称
`{}`（默认）

该层的输出的名称。该层具有无输出。

数据类型：细胞

例子

全部收缩

建立分类图层

开立真实脚本

创建一个名为分级层“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= [...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