我怎么能改变将softmax层使用trainNetwork分类问题与一个定制的人吗?

17日视图(30天)

显示旧的评论

大卫。ZORZENON 2019年5月8日

2
链接

这个问题直接联系

https://it.mathworks.com/matlabcentral/answers/460883-how-can-i-change-the-softmax-layer-with-a-custom-one-in-classification-problems-using-trainnetwork

编辑: Z2022年9月23日

答:接受 Pruthvi Muppavarapu

我用卷积神经网络在MATLAB R2018b深度学习分类,我想使用一个自定义softmax层而不是默认的一个。

我试图构建一个定制的softmax层使用过渡层模板出现在定义定制的深度学习层 ,但是当我训练网络 trainNetwork 我得到以下错误:

                         错误使用trainNetwork (xxx)行
                        
                         无效的网络。
                        
                         引起的由:
                        
                         层“WeightedClass”:缺少softmax层。一个分类层必须之前softmax层。

代码

这是代码定义了自定义softmax层:

                         classdefmySoftmaxLayer < nnet.layer.Layer
                        
                         %定义softmax层。
                        
                         属性(可学的)
                        
                         %层可学的参数。
                        
                         结束
                        
                         方法
                        
                         函数层= mySoftmaxLayer(名称)
                        
                         %层= mySoftmaxLayer(名字)创建一个层
                        
                         %和指定层的名字。
                        
                         %设置图层名称。
                        
                         层。Name =名称;
                        
                         %设置层描述。
                        
                         层。描述=“我softmax层”;
                        
                         结束
                        
                         函数Z =预测(层,X)
                        
                         % Z =预测(层,X)将输入数据转发X通过
                        
                         % Z层和输出结果。
                        
                         Z = myFunctionSoftmax (X);
                        
                         结束
                        
                         函数dLdX =向后(层,X, Z, dLdZ,内存)
                        
                         % dLdX =向后(层,X, Z, dLdZ,内存)
                        
                         %向后传播损失函数的导数
                        
                         %通过层。
                        
                         %
                        
                         %的输入:
                        
                         %层-层反向传播
                        
                         % X -输入数据
                        
                         % Z -输出层的功能
                        
                         % dLdZ——从更深的层梯度传播
                        
                         %的记忆——记忆价值,可以用于向后
                        
                         %传播
                        
                         %输出:
                        
                         % dLdX -导数的损失的
                        
                         %的输入数据
                        
                         dLdX = myDerivativeSoftmax (X) * dLdZ;
                        
                         结束
                        
                         结束
                        
                         结束

这是代码定义的网络和训练:

                         % %定义CNN架构和培训选项
                        
                         层= [
                        
                         imageInputLayer(高宽渠道,“名字”,“输入”);
                        
                         numFilters convolution2DLayer([高度winSize],“名字”,“Conv”);
                        
                         batchNormalizationLayer (“名字”,“批”);
                        
                         reluLayer (“名字”,“Relu”)
                        
                         fullyConnectedLayer (numClasses“名字”,“FullyConn”);
                        
                         mySoftmaxLayer (“MySoftmax”)
                        
                         classificationLayer];
                        
                         选择= trainingOptions (…
                        
                         “个”,…
                        
                         “MaxEpochs”,100,…
                        
                         “MiniBatchSize”,256,…
                        
                         “InitialLearnRate”,0.001);
                        
                         % %训练CNN
                        
                         网= trainNetwork (XTrain、YTrain层,选择);