ClassificationOutputLayer
分类层
描述
一个分类层计算熵损失与互斥类分类和加权分类任务。
创建
创建一个分类层使用classificationLayer
。
属性
分类输出
ClassWeights
- - - - - -类权重加权熵的损失
“没有”
(默认)|向量的正数
类权重加权熵损失,积极的数字或指定为一个向量“没有”
。
为权重向量类,每个元素代表的重量对应的类类
财产。指定一个类权重向量,您还必须指定使用的类“类”
。
如果ClassWeights
属性是“没有”
层,然后应用未加权的熵的损失。
类
- - - - - -输出层的类
“汽车”
(默认)|分类向量|字符串数组|单元阵列的特征向量
输出层的类,指定为一个分类向量,字符串数组,单元阵列的特征向量,或“汽车”
。如果类
是“汽车”
,然后在训练时软件自动设置类。如果指定的字符串数组或单元阵列特征向量str
,然后输出层的软件设置类分类(str, str)
。
数据类型:字符
|分类
|字符串
|细胞
OutputSize
- - - - - -输出的大小
“汽车”
(默认)|正整数
这个属性是只读的。
输出的大小,指定为一个正整数。这个值是标签的数据的数量。在培训之前,输出大小设置“汽车”
。
LossFunction
- - - - - -损失函数进行训练
“crossentropyex”
这个属性是只读的。
损失函数为培训,指定为“crossentropyex”
,这代表交叉熵函数k互斥类。
层
的名字
- - - - - -层的名字
”
(默认)|特征向量|字符串标量
图层名称,指定为一个特征向量或字符串标量。为层
数组输入,trainNetwork
,assembleNetwork
,layerGraph
,dlnetwork
函数自动分配名称层的名称”
。
数据类型:字符
|字符串
NumInputs
- - - - - -输入数量
1
(默认)
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:双
InputNames
- - - - - -输入名字
{"在"}
(默认)
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
NumOutputs
- - - - - -数量的输出
0(默认)
输出层的数量。层没有输出。
数据类型:双
OutputNames
- - - - - -输出的名字
{}
(默认)
输出层的名称。层没有输出。
数据类型:细胞
例子
创建分类层
创建一个分类图层名称“输出”
。
层= classificationLayer (“名字”,“输出”)
层= ClassificationOutputLayer属性:名称:“输出”类:“汽车”ClassWeights:“没有一个”OutputSize:‘汽车’Hyperparameters LossFunction:“crossentropyex”
包括一个分类输出层层
数组中。
层= […imageInputLayer([1] 28日28日)convolution2dLayer (5、20) reluLayer maxPooling2dLayer (2“步”,2)fullyConnectedLayer (10) softmaxLayer classificationLayer]
层= 7 x1层与层:数组1”的形象输入28 x28x1图像zerocenter正常化2”二维卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”二维最大池2 x2马克斯池步(2 - 2)和填充[0 0 0 0]5“完全连接10完全连接层6”Softmax Softmax crossentropyex 7”分类输出
创建加权分类层
创建一个加权分类层三个类的名称“猫”,“狗”和“鱼”,重量0.7,0.2,和0.1,分别。
类= [“猫”“狗”“鱼”];classWeights = (0.7 0.2 0.1);层= classificationLayer (…“类”、类…“ClassWeights”classWeights)
层= ClassificationOutputLayer属性:名称:“类:[猫狗鱼]ClassWeights: x1双[3]OutputSize: 3 Hyperparameters LossFunction:“crossentropyex”
包括一个加权分类输出层在一层数组中。
numClasses =元素个数(类);层= […imageInputLayer([1] 28日28日)convolution2dLayer (5、20) reluLayer maxPooling2dLayer (2“步”2)fullyConnectedLayer (numClasses) softmaxLayer classificationLayer (“类”、类“ClassWeights”classWeights))
层= 7 x1层与层:数组1”的形象输入28 x28x1图像zerocenter正常化2”二维卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”二维最大池2 x2马克斯池步(2 - 2)和填充[0 0 0 0]5“完全连接3完全连接层6”Softmax Softmax 7”分类输出类加权crossentropyex 2“猫”和其他的类
更多关于
引用
[1]主教,c . M。模式识别和机器学习。施普林格,纽约,纽约,2006年。
版本历史
介绍了R2016aR2018b:一会
财产将被删除
一会
将被删除。使用类
代替。更新你的代码,取代的所有实例一会
与类
。有一些差异需要额外的属性更新代码。
的一会
属性的输出层单元阵列的特征向量。的类
属性是一个绝对的数组。使用的价值类
与功能要求单元阵列输入,转换使用的类cellstr
函数。
Abrir比如
这种版本modificada德埃斯特比如。害怕Desea abrir埃斯特比如con sus modificaciones吗?
第一de MATLAB
Ha事实clic en联合国围绕此时一个埃斯特第一de MATLAB:
Ejecute el第一introduciendolo en la ventana de第一de MATLAB。洛杉矶navegadores网络没有admiten第一de MATLAB。
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。