softmaxLayer

ソフトマックス層

このペ，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

layer = softmaxLayer

layer = softmaxLayer('Name'，Name)

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

層の名前。文字ベクトルまたは字符串スカラ，として指定します。層グラフに層を含めるには，空ではない一意の層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，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，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，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，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，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，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@ @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=软maxlayer (“名字”，“sm1”）

层= SoftmaxLayer与属性:

层配列にソフトマックス層を含めます。

层= [.．.imageInputLayer([28 28 1]) convolution2dLayer(5,20) reluLayer maxPooling2dLayer(2，“步”，2) fullyConnectedLayer(10) softmaxLayer classificationLayer]

2 " Convolution 20 5x5 convolutions with stride [1 1] and padding [0 0 0 0 0] 3 " ReLU ReLU 4 " Max Pooling 2x2 Max Pooling with stride [2 2] and padding [0 0 0 0 0] 5 " Fully Connected 10 Fully Connected Layer 6 " Softmax Softmax 7 " Classification Output crossentropyex

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[1]。

参照

毕晓普，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，ド生成
MATLAB®Coder™を使用してCおよびc++コドを生成します。

Gpuコ，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

classificationLayer|convolution2dLayer|fullyConnectedLayer|trainNetwork

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

`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，ド生成
MATLAB®Coder™を使用してCおよびc++コドを生成します。

Gpuコ，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，ション

サポト

matlabで始めるディ，プラ，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

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，ド生成MATLAB®Coder™を使用してCおよびc++コドを生成します。

Gpuコ，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，ション

サポト

matlabで始めるディ，プラ，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

`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，ド生成
MATLAB®Coder™を使用してCおよびc++コドを生成します。

Gpuコ，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。