文档帮助中心文档
分类输出层
层= classificationLayer
层= classificationLayer(名称、值)
分类层计算分类和具有互斥类的加权分类任务的交叉熵损失。
该层根据前一层的输出大小推断类的数量。例如,指定类的数量K对于网络,包括具有输出大小的全连接层K以及在分类层之前的softmax层。
层= classificationLayer创建分类层。
层
例子
层= classificationLayer (名称,值)设置可选的名字,ClassWeights,类使用一个或多个名称-值对的属性。例如,classificationLayer(“名字”,“输出”)创建一个名称为“输出”.
层= classificationLayer (名称,值)
名称,值
的名字
ClassWeights
类
classificationLayer(“名字”,“输出”)
“输出”
全部折叠
用名称创建一个分类层“输出”.
层= classificationLayer (“名字”,“输出”)
class = ClassificationOutputLayer with properties: Name: 'output' Classes: 'auto' ClassWeights: 'none' OutputSize: 'auto' Hyperparameters LossFunction: 'crossentropyex'
类中包含分类输出层层数组中。
层= [...imageInputLayer([28 28 1])卷积2dlayer (5,20) reluLayer maxPooling2dLayer(2, 20)“步”,2) fulllyconnectedlayer (10) softmaxLayer classifier]
图层数组:1”的形象输入28 x28x1图像zerocenter正常化2”卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”马克斯池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
创建三个类别的加权分类层,分别为“猫”、“狗”和“鱼”,权重分别为0.7、0.2和0.1。
类= [“猫”“狗”“鱼”];classWeights = [0.7 0.2 0.1];层= classificationLayer (...“类”、类...“ClassWeights”classWeights)
class: [cat dog fish] ClassWeights: [3x1 double] OutputSize: 3 Hyperparameters LossFunction: 'crossentropyex'
在层阵列中包括加权分类输出层。
numClasses =元素个数(类);层= [...imageInputLayer([28 28 1])卷积2dlayer (5,20) reluLayer maxPooling2dLayer(2, 20)“步”,2) full connectedlayer (numClasses) softmaxLayer classificationLayer(“类”、类“ClassWeights”classWeights))
图层数组:1”的形象输入28 x28x1图像zerocenter正常化2”卷积20 5 x5旋转步[1]和填充[0 0 0 0]3”ReLU ReLU 4”马克斯池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与'cat'和其他两个类
指定可选的逗号分隔的对名称,值参数。的名字参数名和价值为对应值。的名字必须出现在引号内。可以以任意顺序指定多个名称和值对参数Name1, Value1,…,的家.
价值
Name1, Value1,…,的家
“名字”
''
层名,指定为字符向量或字符串标量。若要在层图中包含层,必须指定非空的唯一层名。如果你用层和的名字被设置为'',然后软件在训练时自动为该层分配一个名称。
数据类型:字符|字符串
字符
字符串
“ClassWeights”
“没有”
类权值为加权交叉熵损失,指定为正数或向量“没有”.
对于向量类的权值,每个元素表示类财产。要指定类权重向量,还必须指定使用的类“类”.
“类”
如果ClassWeights属性是“没有”,则该层应用未加权交叉熵损失。
“汽车”
输出层的类,指定为分类向量、字符串数组、字符向量单元格数组或“汽车”.如果类是“汽车”,然后软件在训练时自动设置课程。如果指定字符向量的字符串数组或单元格数组str,则软件将输出层的类设置为分类(str, str).
str
分类(str, str)
数据类型:字符|分类|字符串|细胞
分类
细胞
ClassificationOutputLayer
分类层,返回为ClassificationOutputLayer对象。
有关连接层以构建卷积神经网络架构的信息,请参见层.
对于典型的分类网络,分类层必须遵循softmax层。在分类层,trainNetwork从softmax函数获取值,并将每个输入赋给其中一个K互斥类使用交叉熵函数为1的-K编码方案[1]:
trainNetwork
损失 = − 1 N ∑ n = 1 N ∑ 我 = 1 K w 我 t n 我 ln y n 我 ,
在哪里N为样本数,K为班级数, w 我 这个体重是上课用的吗我, t n 我 指标是n这个样品属于我th类, y n 我 输出的是样品吗n为类我,本例中为softmax函数的值。换句话说, y n 我 网络关联的概率是多少n用类输入我.
[1]毕晓普模式识别和机器学习.施普林格,纽约,纽约,2006。
ClassificationOutputLayer|regressionLayer|softmaxLayer|trainingOptions|trainNetwork
regressionLayer
softmaxLayer
trainingOptions
您有这个示例的修改版本。您想打开这个示例与您的编辑吗?
你点击一个链接对应于这个MATLAB命令:
通过在MATLAB命令窗口中输入命令来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,在那里获得翻译的内容,并看到当地的活动和优惠。根据您的位置,我们建议您选择:.
你也可以从以下列表中选择一个网站:
选择中国网站(中文或英文)以获得最佳网站性能。其他MathWorks国家站点没有针对您所在位置的访问进行优化。
与当地办事处联系