主要内容

RegressionOutputLayer

回归输出层

描述

一层回归计算half-mean-squared-error损失回归任务。

创建

创建一个回归输出层使用regressionLayer

属性

全部展开

回归输出

反应的名称,指定单元阵列特征向量或一个字符串数组。在训练时,软件自动设置名称根据训练数据的响应。默认值是{}

数据类型:细胞

损失函数的软件使用培训,指定为的均方误差

图层名称,指定为一个特征向量或字符串标量。为数组输入,trainNetwork,assembleNetwork,layerGraph,dlnetwork函数自动分配名字与名字层

数据类型:字符|字符串

这个属性是只读的。

输入层的数量。这一层只接受一个输入。

数据类型:

这个属性是只读的。

输入层的名称。这一层只接受一个输入。

数据类型:细胞

输出层的数量。层没有输出。

数据类型:

输出层的名称。层没有输出。

数据类型:细胞

例子

全部折叠

创建一个回归输出层的名字“routput”

层= regressionLayer (“名字”,“routput”)
层= RegressionOutputLayer属性:名称:“routput”ResponseNames: {} Hyperparameters LossFunction:的均方误差

的默认损失函数回归是均方误差。

包括一系列回归输出层的层。

层= [imageInputLayer([1] 28日28日)convolution2dLayer(12日25)reluLayer fullyConnectedLayer (1) regressionLayer]
层= 5 x1层与层:数组1”的形象输入28 x28x1图像zerocenter正常化2”卷积25 12 x12的隆起与步幅[1]和填充[0 0 0 0]3”ReLU ReLU 4”完全连接1完全连接层5”回归输出均方误差

更多关于

全部展开

版本历史

介绍了R2017a