このページの翻訳は最新ではありません。ここをクリックして、英語の最新版を参照してください。
classificationLayer
分類出力層
説明
分類層は、互いに排他的なクラスをもつ分類タスクおよび重み付き分類タスクの交差エントロピー損失を計算します。
この層は、前の層の出力サイズからクラスの数を推測します。たとえば、ネットワークのクラスの数 K を指定するには、分類層の前に出力サイズが K の全結合層とソフトマックス層を含めます。
は、分類層を作成します。layer
= classificationLayer
は、1 つ以上の名前と値のペアの引数を使用して、オプションの layer
= classificationLayer(Name,Value
)Name
、ClassWeights
、および Classes
プロパティを設定します。たとえば、classificationLayer('Name','output')
は、'output'
という名前の分類層を作成します。
例
分類層の作成
'output'
という名前の分類層を作成します。
layer = classificationLayer('Name','output')
layer = ClassificationOutputLayer with properties: Name: 'output' Classes: 'auto' ClassWeights: 'none' OutputSize: 'auto' Hyperparameters LossFunction: 'crossentropyex'
Layer
配列に分類出力層を含めます。
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
重み付き分類層の作成
"cat"、"dog"、"fish" という名前をもち、重みがそれぞれ 0.7、0.2、0.1 である 3 つのクラスに対する重み付き分類層を作成します。
classes = ["cat" "dog" "fish"]; classWeights = [0.7 0.2 0.1]; layer = classificationLayer( ... 'Classes',classes, ... 'ClassWeights',classWeights)
layer = ClassificationOutputLayer with properties: Name: '' Classes: [cat dog fish] ClassWeights: [3x1 double] OutputSize: 3 Hyperparameters LossFunction: 'crossentropyex'
Layer 配列に重み付き分類出力層を含めます。
numClasses = numel(classes); layers = [ ... imageInputLayer([28 28 1]) convolution2dLayer(5,20) reluLayer maxPooling2dLayer(2,'Stride',2) fullyConnectedLayer(numClasses) softmaxLayer classificationLayer('Classes',classes,'ClassWeights',classWeights)]
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 3 fully connected layer 6 '' Softmax softmax 7 '' Classification Output Class weighted crossentropyex with 'cat' and 2 other classes
入力引数
名前と値の引数
オプションの引数のペアを Name1=Value1,...,NameN=ValueN
として指定します。ここで、Name
は引数名で、Value
は対応する値です。名前と値の引数は他の引数の後に指定しなければなりませんが、ペアの順序は重要ではありません。
R2021a より前では、コンマを使用して名前と値の各ペアを区切り、Name
を引用符で囲みます。
例: classificationLayer('Name','output')
は、'output'
という名前の分類層を作成します。
Name
— 層の名前
''
(既定値) | 文字ベクトル | string スカラー
層の名前。文字ベクトルまたは string スカラーとして指定します。Layer
配列入力の場合、関数 trainNetwork
、assembleNetwork
、layerGraph
、および dlnetwork
は、名前が ''
の層に自動的に名前を割り当てます。
データ型: char
| string
ClassWeights
— 交差エントロピー損失のクラスの重み
'none'
(既定値) | 正の数値のベクトル
交差エントロピー損失のクラスの重み。正の数値のベクトルまたは 'none'
として指定します。
クラスの重みをベクトルで指定した場合、各要素は、Classes
プロパティで該当するクラスの重みを表します。クラスの重みのベクトルを指定するには、'Classes'
を使用してクラスも指定しなければなりません。
ClassWeights
プロパティが 'none'
の場合は、重みなしの交差エントロピー損失が層に適用されます。
Classes
— 出力層のクラス
'auto'
(既定値) | categorical ベクトル | string 配列 | 文字ベクトルの cell 配列
出力層のクラス。categorical ベクトル、string 配列、文字ベクトルの cell 配列、または 'auto'
として指定します。Classes
が 'auto'
の場合、学習時にクラスが自動的に設定されます。string 配列または文字ベクトルの cell 配列 str
を指定すると、出力層のクラスが categorical(str,str)
に設定されます。
データ型: char
| categorical
| string
| cell
出力引数
layer
— 分類層
ClassificationOutputLayer
オブジェクト
分類層。ClassificationOutputLayer
オブジェクトとして返されます。
層の連結による畳み込みニューラル ネットワーク アーキテクチャの構築の詳細は、Layer
を参照してください。
詳細
分類層
分類層は、互いに排他的なクラスをもつ分類タスクおよび重み付き分類タスクの交差エントロピー損失を計算します。
一般的な分類ネットワークでは、通常、分類層がソフトマックス層の後に続きます。分類層では、trainNetwork
がソフトマックス関数から値を取得し、1 対 K 符号化方式の交差エントロピー関数を使用して、K 個の互いに排他的なクラスのうちの 1 つに各入力を割り当てます[1]。
ここで、N は標本の数、K はクラスの数、 はクラス i の重み、 は n 番目の標本が i 番目のクラスに属することを表すインジケーターです。 はクラス i の標本 n の出力で、この場合はソフトマックス関数からの値です。つまり、 は、ネットワークが n 番目の入力をクラス i に関連付ける確率です。
参照
[1] Bishop, C. M. Pattern Recognition and Machine Learning. Springer, New York, NY, 2006.
拡張機能
C/C++ コード生成
MATLAB® Coder™ を使用して C および C++ コードを生成します。
GPU コード生成
GPU Coder™ を使用して NVIDIA® GPU のための CUDA® コードを生成します。
バージョン履歴
R2016a で導入
MATLAB コマンド
次の MATLAB コマンドに対応するリンクがクリックされました。
コマンドを MATLAB コマンド ウィンドウに入力して実行してください。Web ブラウザーは MATLAB コマンドをサポートしていません。
Select a Web Site
Choose a web site to get translated content where available and see local events and offers. Based on your location, we recommend that you select: .
You can also select a web site from the following list:
How to Get Best Site Performance
Select the China site (in Chinese or English) for best site performance. Other MathWorks country sites are not optimized for visits from your location.
Americas
- América Latina (Español)
- Canada (English)
- United States (English)
Europe
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)