Слой Classification
Слой классификации вычисляет перекрестную энтропийную потерю для проблем классификации мультиклассов со взаимоисключающими классами.
Создайте слой классификации с помощью classificationLayer.
Классы Классы выходного слоя'auto' (значение по умолчанию) | категориальный вектор | массив строк | массив ячеек из символьных векторов
Классы выходного слоя, заданного как категориальный вектор, массив строк, массив ячеек из символьных векторов или 'auto'. Если Classes является 'auto', то программное обеспечение автоматически устанавливает классы в учебное время. Если вы задаете массив строк или массив ячеек из символьных векторов str, то программное обеспечение устанавливает классы выходного слоя к categorical(str,str). Значением по умолчанию является 'auto'.
Типы данных: char | categorical | string | cell
'OutputSize' Размер вывода'auto' (значение по умолчанию) | положительное целое числоЭто свойство доступно только для чтения.
Размер вывода, заданного как положительное целое число. Это значение является количеством меток в данных. Перед обучением выходной размер установлен в 'auto'.
LossFunction — Функция потерь для обучения'crossentropyex'Это свойство доступно только для чтения.
Функция потерь для обучения, заданного как 'crossentropyex', который выдерживает за Перекрестную Энтропийную Функцию для k Взаимоисключающие Классы.
Типы данных: char
Имя Имя слоя'' (значение по умолчанию) | вектор символов | представляет скаляр в виде строки
Имя слоя, заданное как вектор символов или скаляр строки. Чтобы включать слой в график слоя, необходимо задать непустое уникальное имя слоя. Если вы обучаете серийную сеть со слоем, и Name установлен в '', то программное обеспечение автоматически присваивает имя к слою в учебное время.
Типы данных: char | string
NumInputs — Количество входных параметровКоличество входных параметров слоя. Этот слой принимает один вход только.
Типы данных: double
InputNames — Введите имена{'in'} (значение по умолчанию)Введите имена слоя. Этот слой принимает один вход только.
Типы данных: cell
NumOutputs Количество выходных параметровКоличество выходных параметров слоя. Слой не имеет никаких выходных параметров.
Типы данных: double
OutputNames — Выведите имена{} (значение по умолчанию)Выведите имена слоя. Слой не имеет никаких выходных параметров.
Типы данных: cell
Создайте слой классификации с именем 'output'.
layer = classificationLayer('Name','output')
layer =
ClassificationOutputLayer with properties:
Name: 'output'
Classes: 'auto'
OutputSize: 'auto'
Hyperparameters
LossFunction: 'crossentropyex'
Включайте классификацию выходной слой в массив Layer.
layers = [ ... imageInputLayer([28 28 1]) convolution2dLayer(5,20) reluLayer maxPooling2dLayer(2,'Stride',2) fullyConnectedLayer(10) softmaxLayer classificationLayer]
layers =
7x1 Layer array with layers:
1 '' Image Input 28x28x1 images with 'zerocenter' normalization
2 '' Convolution 20 5x5 convolutions with stride [1 1] and padding [0 0 0 0]
3 '' ReLU ReLU
4 '' Max Pooling 2x2 max pooling with stride [2 2] and padding [0 0 0 0]
5 '' Fully Connected 10 fully connected layer
6 '' Softmax softmax
7 '' Classification Output crossentropyex
Слой классификации вычисляет перекрестную энтропийную потерю для проблем классификации мультиклассов со взаимоисключающими классами.
Для типичных сетей классификации слой классификации должен следовать за softmax слоем. В слое классификации trainNetwork принимает значения от функции softmax и присваивает каждый вход одному из K взаимоисключающие классы с помощью перекрестной энтропийной функции для 1 из K кодирование схемы [1]:
где N является количеством выборок, K является количеством классов, индикатор, что i th выборка принадлежит j th класс, и вывод для демонстрационного i для класса j, который в этом случае, значение от функции softmax. Таким образом, это - вероятность, что сеть сопоставляет i th вход с классом j.
Не рекомендуемый запуск в R2018b
ClassNames будет удален. Используйте Classes вместо этого. Чтобы обновить ваш код, замените все экземпляры ClassNames с Classes. Существуют некоторые различия между свойствами, которые требуют дополнительных обновлений вашего кода.
Свойство ClassNames выходного слоя является массивом ячеек из символьных векторов. Свойство Classes является категориальным массивом. Чтобы использовать значение Classes с функциями, которые требуют входа массива ячеек, преобразуйте классы с помощью функции cellstr.
[1] Епископ, C. M. Распознавание образов и машинное обучение. Спрингер, Нью-Йорк, Нью-Йорк, 2006.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.