softmaxLayer

ソフトマックス層

このページをすべて展開する

説明

ソフトマックス層は,入力にソフトマックス関数を適用します。

作成

構文

层= softmaxLayer

层= softmaxLayer(“名字”,名称)

説明

层= softmaxLayerはソフトマックス層を作成します。

例

层= softmaxLayer(“名字”,的名字）は,ソフトマックス層を作成し,名前と値のペアを使用して,オプションの的名字プロパティを設定します。たとえば,softmaxLayer('名称',' sm1 ')は,“sm1”という名前のソフトマックス層を作成します。プロパティ名を一重引用符で囲みます。

プロパティ

すべて展開する

`的名字`- - - - - -層の名前
`＇＇`(既定値) |文字ベクトル|字符串スカラー

層の名前。文字ベクトルまたは字符串スカラーとして指定します。層グラフに層を含めるには,層に空ではない一意の名前を指定しなければなりません。この層が含まれる系列ネットワークに学習させて的名字を＇＇に設定すると,学習時に層に名前が自動的に割り当てられます。

データ型:字符|字符串

`NumInputs`- - - - - -入力の数
1(既定値)

層の入力の数。この層は単一の入力のみを受け入れます。

データ型:双

`InputNames`- - - - - -入力名
`{'在'}`(既定値)

層の入力名。この層は単一の入力のみを受け入れます。

データ型:细胞

`NumOutputs`- - - - - -出力の数
1(既定値)

層の出力の数。この層には単一の出力のみがあります。

データ型:双

`OutputNames`- - - - - -出力名
`{“出”}`(既定値)

層の出力名。この層には単一の出力のみがあります。

データ型:细胞

例

すべて折りたたむ

ソフトマックス層の作成

ライブスクリプトを開く

＇sm1”という名前のソフトマックス層を作成します。

层= softmaxLayer (“名字”，“sm1”）

layer = SoftmaxLayer，属性:Name: 'sm1'

层配列にソフトマックス層を含めます。

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

詳細

すべて展開する

ソフトマックス層

ソフトマックス層は,入力にソフトマックス関数を適用します。

分類問題の場合,ソフトマックス層とその後の分類層は,最後の全結合層の後に配置しなければなりません。

出力ユニットの活性化関数は次のソフトマックス関数です。

$y_{r} （ x ）＝ \frac{经验值（ {一个}_{r} （ x ））}{\sum_{j ＝ 1}^{k} 经验值（ {一个}_{j} （ x ））} ，$

ここで, $0 \leq y_{r} \leq 1$ および $\sum_{j ＝ 1}^{k} y_{j} ＝ 1$ です。

ソフトマックス関数は,マルチクラス分類問題の場合,最後の全結合層の後の出力ユニットの活性化関数です。

$P （ c_{r} | x ， θ ）＝ \frac{P （ x ， θ | c_{r} ） P （ c_{r} ）}{\sum_{j ＝ 1}^{k} P （ x ， θ | c_{j} ） P （ c_{j} ）} ＝ \frac{经验值（ {一个}_{r} （ x ， θ ））}{\sum_{j ＝ 1}^{k} 经验值（ {一个}_{j} （ x ， θ ））} ，$

ここで, $0 \leq P （ c_{r} | x ， θ ） \leq 1$ および $\sum_{j ＝ 1}^{k} P （ c_{j} | x ， θ ）＝ 1$ です。また, ${一个}_{r} ＝ \ln （ P （ x ， θ | c_{r} ） P （ c_{r} ））$ です。 $P （ x ， θ | c_{r} ）$ はクラスrである場合の標本の条件付き確率で, $P （ c_{r} ）$ はクラスの事前確率です。

ソフトマックス関数は,“正規化指数関数”とも呼ばれ,ロジスティックシグモイド関数のマルチクラスへの汎化と見なすことができます［1］。

参照

[1] Bishop, c.m.模式识别与机器学习。施普林格，纽约，纽约，2006。

拡張機能

C / c++コード生成
MATLAB®编码器™を使用してCおよびc++コードを生成します。

GPUコード生成
GPU编码器™を使用してNVIDIA GPU®のためのCUDA®コードを生成します。

参考

trainNetwork|classificationLayer|convolution2dLayer|fullyConnectedLayer

トピック

R2016aで導入

softmaxLayer

説明

作成

構文

説明

プロパティ

`的名字`- - - - - -層の名前
`＇＇`(既定値) |文字ベクトル|字符串スカラー

`NumInputs`- - - - - -入力の数
1(既定値)

`InputNames`- - - - - -入力名
`{'在'}`(既定値)

`NumOutputs`- - - - - -出力の数
1(既定値)

`OutputNames`- - - - - -出力名
`{“出”}`(既定値)

例

ソフトマックス層の作成

詳細

ソフトマックス層

参照

拡張機能

C / c++コード生成
MATLAB®编码器™を使用してCおよびc++コードを生成します。

GPUコード生成
GPU编码器™を使用してNVIDIA GPU®のためのCUDA®コードを生成します。

参考

トピック

深度学习工具箱ドキュメンテーション

サポート

MATLABで始めるディープラーニング

softmaxLayer

説明

作成

構文

説明

プロパティ

的名字- - - - - -層の名前＇＇(既定値) |文字ベクトル|字符串スカラー

NumInputs- - - - - -入力の数1(既定値)

InputNames- - - - - -入力名{'在'}(既定値)

NumOutputs- - - - - -出力の数1(既定値)

OutputNames- - - - - -出力名{“出”}(既定値)

例

ソフトマックス層の作成

詳細

ソフトマックス層

参照

拡張機能

C / c++コード生成MATLAB®编码器™を使用してCおよびc++コードを生成します。

GPUコード生成GPU编码器™を使用してNVIDIA GPU®のためのCUDA®コードを生成します。

参考

トピック

深度学习工具箱ドキュメンテーション

サポート

MATLABで始めるディープラーニング

`的名字`- - - - - -層の名前
`＇＇`(既定値) |文字ベクトル|字符串スカラー

`NumInputs`- - - - - -入力の数
1(既定値)

`InputNames`- - - - - -入力名
`{'在'}`(既定値)

`NumOutputs`- - - - - -出力の数
1(既定値)

`OutputNames`- - - - - -出力名
`{“出”}`(既定値)

C / c++コード生成
MATLAB®编码器™を使用してCおよびc++コードを生成します。

GPUコード生成
GPU编码器™を使用してNVIDIA GPU®のためのCUDA®コードを生成します。