主要内容

classificationLayer

分类输出层

所有的页面崩溃

语法

层= classificationLayer
层= classificationLayer(名称、值)

描述

一个分类层计算交叉熵损失与互斥类多分类问题。

层推断类的数量从上一层的输出大小。例如,指定类的数量K的网络,包括一个完全连接层与输出大小K之前和一个softmax层分类层。

层= classificationLayer创建一个分类层。

例子

层= classificationLayer (名称,值)设置可选的名字和类属性使用名称-值对。例如,classificationLayer(“名字”,“输出”)创建一个分类层的名字“输出”。在单引号附上每个属性的名字。

例子

全部折叠

打开生活的脚本

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”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”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

输入参数

全部折叠

名称-值对的观点

指定可选的逗号分隔条名称,值参数。的名字参数名称和吗价值相应的价值。的名字必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家。

例子:classificationLayer(“名字”,“输出”)创建一个分类层的名字“输出”

图层名称,指定为一个特征向量或字符串标量。包括在一层一层图,您必须指定一个非空的独特的层的名字。如果你训练一个网络层和系列的名字被设置为”软件自动分配一个名称,那么在训练时间层。

数据类型:字符|字符串

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)。默认值是“汽车”。

数据类型:字符|分类|字符串|细胞

输出参数

全部折叠

分类层,作为一个返回ClassificationOutputLayer对象。

有关连接的信息层构造卷积神经网络架构,明白了层。

更多关于

全部折叠

分类层

一个分类层计算交叉熵损失与互斥类多分类问题。

典型的分类网络,分类层必须遵循将softmax层。在分类层,trainNetwork的值将softmax功能和分配每个输入的K互斥类为1——使用交叉熵函数K编码方案[1]:

损失 = − ∑ 我 = 1 N ∑ j = 1 K t 我 j ln y 我 j ,

在哪里N样品的数量,K类的数量, t 我 j 的指标吗我样品属于jth类, y 我 j 是输出样本吗我为类j在这种情况下,它是将softmax函数的值。也就是说,它是网络伙伴的概率我th输入与类j。

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。

扩展功能

C / c++代码生成
生成C和c++代码使用MATLAB®编码器™。

GPU的代码生成
生成NVIDIA的CUDA®代码®GPU使用GPU编码器™。

另请参阅

||

主题

介绍了R2016a

深度学习工具箱文档

金宝app

试着用MATLAB仿真软金宝app件,和其他产品下载188bet金宝搏

得到审判现在