分类图layerer

分类层

在页面中扩展全部

描述

分类层通过相互排斥类计算分类和加权分类任务的跨凝结损失。

创建

使用分类器。

特性

展开全部

分类输出

`班级重量`-加权跨透镜损失的班级权重
`'没有任何'`（默认）|正数向量

加权交叉透镜损失的班级权重，指定为正数的向量或'没有任何'。

对于向量类权重，每个元素代表相应类的权重课程财产。要指定类权重的向量，您还必须使用“课”。

如果是班级重量属性是'没有任何'，然后该层施加未加权的横向渗透损失。

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

输出层的类，指定为分类向量，字符串数组，字符向量的单元格数或'汽车'。如果课程是'汽车'，然后该软件在培训时间自动设置类。如果指定字符串数组或字符向量的单元格数组str，然后该软件将输出层的类设置为分类（str，str）。

数据类型：char|分类|细绳|细胞

`输出尺寸`-输出的大小
`'汽车'`（默认）|正整数

此属性仅阅读。

输出的大小，指定为正整数。该值是数据中的标签数。在培训之前，将输出尺寸设置为'汽车'。

`损失功能`-训练的损失功能
`“ Crossentropyex”`

此属性仅阅读。

培训的损失功能，指定为“ Crossentropyex”，代表交叉熵功能k相互排斥的类。

层

`姓名`-图层名称
`''`（默认）|角色向量|字符串标量

图层名称，指定为字符向量或字符串标量。为了层数组输入，火车网，，，，汇编工作，，，，LayerGraph，和dlnetwork功能自动将名称分配给图层姓名调成''。

数据类型：char|细绳

`numInputs`-输入数量
`1`（默认）

此属性仅阅读。

该层的输入数量。该层仅接受单个输入。

数据类型：双倍的

`输入名`-输入名称
`{'在'}`（默认）

此属性仅阅读。

层的输入名称。该层仅接受单个输入。

数据类型：细胞

`numOutputs`-输出数量
0（默认）

层的输出数。该层没有输出。

数据类型：双倍的

`输出名称`-输出名称
`{}`（默认）

层的输出名称。该层没有输出。

数据类型：细胞

例子

全部收缩

创建分类层

打开实时脚本

创建一个名称的分类层'输出'。

layer = ClassificationLayer（'姓名'，，，，'输出'）

layer =分类图层属性：名称：'输出'类：'auto'classWeights：'none'''''''''outo'auto'超参数损失函数：'CrossentRopyex'

将分类输出层包含在层大批。

层= [...imageInputlayer（[28 28 1]）卷积2Dlayer（5,20）Relulayer MaxPooling2Dlayer（2，“大步”，2）完整连接的layerer（10）SoftMaxlayer分类器]

层= 7x1层阵列，带有层：1''图像输入28x28x1图像，带有“ zerecenter”归一化2''卷积20 5x5卷积[1 1]和填充[0 0 0 0 0 0] 3''relu 4'relu 4''max max合并2x2 max plies [2 2]和填充[0 0 0 0] 5''完全连接10完全连接的层6''softmax softmax 7''分类crossentropyex

创建加权分类层

打开实时脚本

为三个类别创建一个具有“猫”，“狗”和“鱼”的加权分类层，分别为0.7、0.2和0.1。

class = [“猫”“狗”“鱼”];classWeights = [0.7 0.2 0.1];layer = ClassificationLayer（...“课”，课，...'classWights'，班级）

layer =属性的分类图：名称：''类：[猫狗鱼] class重量：[3x1 double] outputsize：3超参数损失函数：'CrossentRopyex'

将加权分类输出层包含在层阵列中。

numClasses = numel（class）;层= [...imageInputlayer（[28 28 1]）卷积2Dlayer（5,20）Relulayer MaxPooling2Dlayer（2，“大步”，2）完整连接的layerer（numClasses）SoftMaxlayer分类器（“课”，课，'classWights'，班级）]]

层= 7x1层阵列，带有层：1''图像输入28x28x1图像，带有“ zerecenter”归一化2''卷积20 5x5卷积[1 1]和填充[0 0 0 0 0 0] 3''relu 4'relu 4''max max合并2x2 max池层次[2 2]和填充[0 0 0 0] 5''完全连接3完全连接的层6''softmax softmax 7''分类输出class类加权crossentropyex，带有“ cat”和2个类别