sigmoid

Appliquer l’activation sigmoïde

Depuis R2019b

Syntaxe

Y = sigmoid(X)

Description

L’opération d’activation sigmoïde applique la fonction sigmoïde aux données en entrée.

Cette opération est équivalente à

$$f(x)=\frac{1}{1+e^{-x}}.$$

Remarque

Cette fonction applique l’opération sigmoïde aux données de type dlarray. Si vous voulez appliquer une fonction sigmoïde dans un objet dlnetwork, utilisez sigmoidLayer.

Y = sigmoid(X) calcule l’activation sigmoïde de l’entrée X en appliquant la fonction de transfert sigmoïde. Toutes les valeurs de Y sont comprises entre 0 et 1.

Exemples

Appliquer l’activation sigmoïde

Utilisez la fonction sigmoid pour définir toutes les valeurs des données en entrée à une valeur comprise entre 0 et 1.

Créez les données en entrée comme une observation unique de valeurs aléatoires avec une hauteur et une largeur de 7 et 32 canaux.

height = 7;
width = 7;
channels = 32;
observations = 1;

X = randn(height,width,channels,observations);
X = dlarray(X,'SSCB');

Calculez l’activation sigmoïde.

Y = sigmoid(X);

Toutes les valeurs de Y sont maintenant comprises entre 0 et 1.

Arguments d'entrée

X — Données en entrée

dlarray

Données en entrée, définies par un dlarray formaté, un dlarray non formaté ou un tableau numérique.

Types de données : single | double

Arguments de sortie

Y — Activations sigmoïdes

dlarray

Activations sigmoïdes, renvoyées comme un dlarray. Toutes les valeurs de Y sont comprises entre 0 et 1. La sortie Y a le même type de données sous-jacentes que l’entrée X.

Si les données en entrée X sont un dlarray formaté, Y a le même format de dimension que X. Si les données en entrée sont un dlarray non formaté, Y est un dlarray non formaté avec le même ordre de dimension que les données en entrée.

Capacités étendues

Génération de code C/C++
Générez du code C et C++ avec MATLAB® Coder™.

Génération de code GPU
Générez du code CUDA® pour les GPU NVIDIA® avec GPU Coder™.

GPU Arrays

Accélérez le code en exécutant les calculs sur une unité de traitement graphique (GPU) avec Parallel Computing Toolbox™.

Notes d'usage et limitations :

• Lorsque l’argument d’entrée X est un dlarray avec des données sous-jacentes de type gpuArray, cette fonction s’exécute sur le GPU.

Pour plus d’informations, veuillez consulter Run MATLAB Functions on a GPU (Parallel Computing Toolbox).

Historique des versions

Introduit dans R2019b

Voir aussi

dlarray | dlgradient | dlfeval | softmax | crossentropy | huber | mse

Rubriques

• Define Custom Training Loops, Loss Functions, and Networks
• Train Network Using Model Function
• List of Functions with dlarray Support