主要内容

trainSoftmaxLayer

训练一个用于分类的softmax层

折叠所有页面

语法

网= trainSoftmaxLayer (X, T)
net = trainsoftmaxlayer（x，t，名称，值）

描述

例子

网= trainSoftmaxLayer (X，T）训练一个softmax层，网，输入数据X和目标T．

网= trainSoftmaxLayer (X，T，名称,值）训练一个softmax层，网，由一个或多个指定的其他选项名称,值对论点。

例如，您可以指定丢失函数。

例子

全部折叠

打开直播脚本

加载样本数据。

[X, T] = iris_dataset;

X是4x150矩阵的四个属性的虹膜花朵：萼片长度，萼片宽度，花瓣长，花瓣宽度。

T是一个3x150矩阵的关联类向量，定义每个输入的三个类中的哪一个分配给。每行对应于表示虹膜物种之一（类）的虚拟变量。在每列中，三行中的一个中的1表示特定样本（观察或示例）所属的类。其他类别的行中有一个零，观察不属于。

使用示例数据训练一个softmax层。

网= trainSoftmaxLayer (X, T);

使用培训的Softmax层将观察分类为三类中的一个。

Y =净(X);

利用从softmax层获得的目标和分类绘制混淆矩阵。

plotconfusion (T、Y);

输入参数

全部折叠

培训数据，指定为米——- - - - - -n矩阵，其中米训练数据中变量的个数，和n为观察次数(例数)。因此，每列的X代表一个样本。

数据类型:单|双

目标数据，指定为k——- - - - - -n矩阵，其中k是班数，和n为观察次数。每一行都是一个虚拟变量，代表一个特定的类。换句话说，每一列代表一个样本，除了一行中的一个条目外，一列中的所有条目都是零。这一项表示该示例的类。

数据类型:单|双

名称-值参数

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是相应的价值。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，...，namen，valuen．

例子:“MaxEpochs”,400年,“ShowProgressWindow”,假的指定最大迭代次数为400，并隐藏训练窗口。

最大训练迭代次数，指定为逗号分隔对组成“MaxEpochs”和积极的整数值。

例子:'maxepochs'，500

数据类型:单|双

softmax层的Loss函数，指定为逗号分隔对组成“LossFunction”,要么'forrorentropy'或者mse的．

均方误差为均方误差函数，由:

E ＝ 1 n ∑ j ＝ 1 n ∑ 我 ＝ 1 k （ t 我 j − y 我 j ） 2 ，

在哪里n是训练示例的数量，和k为类数。 t 我 j 是个ij目标矩阵的第Th项，T， 和 y 我 j 是个我当输入向量为时，自动编码器的输出xj．

交叉熵函数为:

E ＝ 1 n ∑ j ＝ 1 n ∑ 我 ＝ 1 k t 我 j ln y 我 j + （ 1 − t 我 j ） ln （ 1 − y 我 j ） ．

例子:“LossFunction”、“mse的

指示符用来显示训练期间的训练窗口，指定为逗号分隔对组成“ShowProgressWindow”,要么真的或者假．

例子:“ShowProgressWindow”,假的

数据类型:逻辑

训练算法用于训练softmax层，指定为逗号分隔对组成“TrainingAlgorithm”和'trainscg'，它代表缩放的共轭梯度。

例子:“TrainingAlgorithm”、“trainscg”

输出参数

全部折叠

Softmax层进行分类，返回a网络对象。将softmax层,网，与目标大小相同T．

另请参阅

|

介绍在R2015B.

深度学习工具箱文档

金宝app

介绍基于MATLAB的深度学习

介绍基于MATLAB的深度学习

下载电子书