利用softmaxLayer实现神经网络输出层的多个softmax向量

16次观看(过去30天)

显示旧注释

Isuru Rathnayaka 2021年12月12日

0
链接

直接链接到这个问题

https://la.mathworks.com/matlabcentral/answers/1609350-multiple-softmax-vectors-in-output-layer-of-neural-network-using-softmaxlayer

评论道: Isuru Rathnayaka2022年1月12日

答:接受布勒Kulkarni

我使用的是MATLAB 2021a中的深度学习工具箱。我要建立的神经网络在输出层有多个softmax向量。(例如10个长度为8的softmax向量)。也就是说，计算类似于内置的softmax()函数如何应用于矩阵的每一列。

如。

                          >> a = randn(2,2)
                         
                          一个=
                         
                          -1.1803 - 0.2963
                         
                          1.6926 - -0.1352
                         
                          > > softmax (a)
                         
                          ans =
                         
                          0.0535 - 0.6062
                         
                          0.9465 - 0.3938

然而，我找不到一种方法来做这与softmaxLayer。

我的代码是这样的。

                          layersDNN = [
                         
                          featureInputLayer (numInputs“名字”，“在”）
                         
                          fullyConnectedLayer (numInputs * 2,“名字”，“fc1”）
                         
                          batchNormalizationLayer (“名字”，“bn1”）
                         
                          reluLayer (“名字”，“relu1”）
                         
                          fullyConnectedLayer (numInputs * 8,“名字”，“取得”）
                         
                          softmaxLayer (“名字”，“sm1”）
                         
                          ];

我试图让softmaxLayer在最后一层划分numinput *8节点到长度为8的numinput向量，并分别应用softmax函数。

或者，我试图删除softmaxLayer，并应用softmax来重塑网络的输出。大概是这样。

                          lgraphDNN = layerGraph(layersDNN);
                         
                          dlnetDNN = dlnetwork(lgraphDNN);
                         
                          out1 = forward(dlnetDNN, X);
                         
                          out2 = shape(out1， [numInputs, 8]);
                         
                          Pred = softmax(out2);
                         
                          %计算损失，梯度等。