Main Content

softmaxLayer

Description

Une couche softmax applique une fonction softmax à l’entrée.

Création

Description

layer = softmaxLayer crée une couche softmax.

exemple

layer = softmaxLayer('Name',Name) crée une couche softmax et définit la propriété optionnelle Name avec une paire nom-valeur. Par exemple, softmaxLayer('Name','sm1') crée une couche softmax avec le nom 'sm1'. Mettez le nom de la propriété entre guillemets simples.

Propriétés

développer tout

Nom de la couche, défini par un vecteur de caractères ou un string scalar. Pour le tableau de Layer en entrée, les fonctions trainnet et dlnetwork attribuent automatiquement des noms aux couches avec le nom "".

L’objet SoftmaxLayer stocke cette propriété comme un vecteur de caractères.

Types de données : char | string

Ce propriété est en lecture seule.

Nombre d’entrées de la couche, renvoyé comme étant 1. Cette couche accepte seulement une entrée unique.

Types de données : double

Ce propriété est en lecture seule.

Noms des entrées, renvoyés comme étant {'in'}. Cette couche accepte seulement une entrée unique.

Types de données : cell

Ce propriété est en lecture seule.

Nombre de sorties de la couche, renvoyé comme étant 1. Cette couche a seulement une sortie unique.

Types de données : double

Ce propriété est en lecture seule.

Noms des sorties, renvoyés comme étant {'out'}. Cette couche a seulement une sortie unique.

Types de données : cell

Exemples

réduire tout

Créez une couche softmax avec le nom ‘sm1'.

layer = softmaxLayer('Name','sm1')
layer = 
  SoftmaxLayer with properties:

    Name: 'sm1'

Ajoutez une couche softmax dans un tableau de 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   ''   2-D Convolution         20 5x5 convolutions with stride [1  1] and padding [0  0  0  0]
     3   ''   ReLU                    ReLU
     4   ''   2-D 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

Algorithmes

développer tout

Références

[1] Bishop, C. M. Pattern Recognition and Machine Learning. Springer, New York, NY, 2006.

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™.

Historique des versions

Introduit dans R2016a