trainSoftmaxLayer
训练softmax层进行分类
描述
例子
分类使用Softmax层
加载示例数据。
[X, T] = iris_dataset;
X
是一个4 x150矩阵的四个属性虹膜花:花萼长度、宽度萼片,花瓣长度,花瓣宽度。
T
是一个3 x150矩阵相关的类向量定义的每个输入分配给三个类。每一行对应一个哑变量代表虹膜的物种之一(类)。在每一列中,1在一个三行代表类的特定示例(观察或例子)属于。有一个零的行中观察不属于其他类。
火车softmax层使用示例数据。
网= trainSoftmaxLayer (X, T);
分类三个类使用的观测到一个训练有素的softmax层。
Y =净(X);
绘制使用的目标和获得的分类混淆矩阵将softmax层。
plotconfusion (T、Y);
输入参数
X
- - - - - -训练数据
米——- - - - - -n矩阵
训练数据,指定为一个米——- - - - - -n矩阵,米在训练数据变量的数量,然后呢n是观测的数量(例子)。因此,每一列的X
代表一个样本。
数据类型:单
|双
T
- - - - - -目标数据
k——- - - - - -n矩阵
目标数据,指定为一个k——- - - - - -n矩阵,k类的数量,n是观测的数量。每一行是一个哑变量代表一个特定的类。换句话说,每一列代表一个样本,所有条目的列是零,除了一个一分之一行。这一条目显示样本的类。
数据类型:单
|双
名称-值参数
指定可选的双参数作为Name1 = Value1,…,以=家
,在那里的名字
参数名称和吗价值
相应的价值。名称-值参数必须出现在其他参数,但对的顺序无关紧要。
R2021a之前,用逗号来分隔每一个名称和值,并附上的名字
在报价。
例子:“MaxEpochs”, 400年,“ShowProgressWindow”,假的
指定的最大迭代数400和隐藏了培训窗口。
MaxEpochs
- - - - - -最大数量的训练迭代
1000年(默认)|正整数的值
最大数量的训练迭代,指定为逗号分隔组成的“MaxEpochs”
和一个正整数价值。
例子:“MaxEpochs”, 500年
数据类型:单
|双
LossFunction
- - - - - -损失函数将softmax层
“crossentropy”
(默认)|mse的
损失函数将softmax层,指定为逗号分隔组成的“LossFunction”
,要么“crossentropy”
或mse的
。
均方误差
代表均方误差函数,它是由:
在哪里n是训练的例子,然后呢k类的数量。
是ij目标矩阵的条目,T
,
是我th autoencoder当输入的输出向量xj。
的交叉熵函数:
例子:“LossFunction”、“mse的
ShowProgressWindow
- - - - - -指示器显示培训窗口
真正的
(默认)|假
指示器显示培训期间培训窗口,指定为逗号分隔组成的“ShowProgressWindow”
,要么真正的
或假
。
例子:“ShowProgressWindow”,假的
数据类型:逻辑
TrainingAlgorithm
- - - - - -训练算法
“trainscg”
(默认)
训练算法用于训练将softmax层,指定为逗号分隔组成的“TrainingAlgorithm”
和“trainscg”
,它代表了共轭梯度。
例子:“TrainingAlgorithm”、“trainscg”
版本历史
介绍了R2015b
另请参阅
MATLAB命令
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。金宝app
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。