文件帮助中心文件
分类输出层
tillay = 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.在网络中,您可以包含具有输出大小的完全连接的图层K.和分类层之前的软MAX层。
层= ClassificationLayer.创建分类层。
层= ClassificationLayer.
层
例子
层= ClassificationLayer(名称,价值的)设置可选姓名那ClassWeights,课堂属性使用一个或多个名称值对。例如,ClassificationLayer('name','输出')创建一个名称为'输出'.
层= ClassificationLayer(名称,价值的)
名称,价值
姓名
ClassWeights
课堂
ClassificationLayer('name','输出')
'输出'
全部收缩
使用名称创建分类层'输出'.
tillay = classificationlayer('姓名'那'输出'的)
tillay = scassificationOutputLayer具有属性:名称:'输出'类:'auto'类重量:'无'输出大小:'auto'hyperparameters lockfunction:'crossentropyex'
类中包含分类输出层层大批。
层= [......ImageInputLayer([28 28 1])卷积2dlayer(5,20)rululayer maxpooling2dlayer(2,'走吧',2)全连接层(10)SoftMaxLayer分类层]
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
为三个类创建加权分类层,其中包含名称“CAT”,“狗”和“鱼”,分别为0.7,0.2和0.1分别为0.7,0.2和0.1。
类= [“猫”“狗”“鱼”];Classweights = [0.7 0.2 0.1];tillay = classificationlayer(......“类”、类......'classweight',同等级)
tillay = ClassificationOutputLayer带有属性:名称:''类:[Cat Dog Fish]类别重量:[3x1 Double]输出:3 HyperParameter损失:'crossentropyex'
在图层阵列中包括加权分类输出层。
numclasses = numel(类);层= [......ImageInputLayer([28 28 1])卷积2dlayer(5,20)rululayer maxpooling2dlayer(2,'走吧',2)全连接列(numclasses)softmaxlayer类层(“类”、类'classweight',同等级)]
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
指定可选的逗号分离对名称,价值参数。姓名是参数名称和价值为对应值。姓名必须出现在引号内。您可以以任何顺序指定多个名称和值对参数Name1, Value1,…,的家.
价值
Name1, Value1,…,的家
''
层名,指定为字符向量或字符串标量。为层阵列输入,Trainnetwork.那assembleNetwork那layerGraph,dlnetwork.函数自动为层分配名称姓名设置''.
Trainnetwork.
assembleNetwork
layerGraph
dlnetwork.
数据类型:字符|细绳
字符
细绳
'没有任何'
加权交叉熵丢失的类重量,指定为正数的向量或'没有任何'.
对于向量类的权值,每个元素表示课堂财产。要指定类权重向量,还必须指定使用的类“类”.
“类”
如果是ClassWeights属性是'没有任何',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'.如果课堂是'汽车',然后软件会在培训时间自动设置类。如果指定字符串数组或字符向量数组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|细绳|细胞
分类
细胞
ClassificationOutputLayer.
分类层,作为一个返回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,分类层通常遵循Softmax层。在分类层中,Trainnetwork.从SoftMax函数中获取值,并将每个输入分配给其中一个K.使用跨熵函数的相互排斥的类,用于1-of-K.编码方案[1]:
损失 = - 1 N. σ. N. = 1 N. σ. 一世 = 1 K. W. 一世 T. N. 一世 ln y N. 一世 那
在哪里N.是样本数量,K.是课程的数量, W. 一世 是课堂的重量一世那 T. N. 一世 是指的指标N.样本属于一世班级,和 y N. 一世 输出的是样品吗N.为类一世,本例中为softmax函数的值。换句话说, y N. 一世 网络关联的概率是多少N.用课堂输入一世.
[1]毕晓普模式识别和机器学习.施普林格,纽约,纽约,2006。
trainingOptions|Trainnetwork.|ClassificationOutputLayer.|softmaxlayer.|回归
trainingOptions
softmaxlayer.
回归
您拥有此示例的修改版本。您是否希望使用您的编辑打开此示例?
您单击了与此MATLAB命令对应的链接:
在MATLAB命令窗口中输入它来运行命令。Web浏览器不支持MATLAB命令。金宝app
选择一个网站,以便在可用的地方进行翻译内容,并查看本地活动和优惠。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(以中文或英文)以获得最佳网站性能。其他MathWorks国家网站未优化您所在地的访问。
联系您当地的办公室