SoftmaxLayer
表示一个 Softmax 网络层.
SoftmaxLayer[n]
表示使用层 n 作为规范化维度的 Softmax 网络层.
更多信息和选项
- SoftmaxLayer[…][input] 显式计算 input 的输出.
- SoftmaxLayer[…][{input1,input2,…}] 显式计算每个 inputi 的输出.
- 当 NumericArray 作为输入时,输出将是 NumericArray.
- SoftmaxLayer 通常用在 NetChain、NetGraph 等中,用来归一化其他层的输出,以便在进行分类时用作类别概率.
- SoftmaxLayer 可以对包含 "Varying" 维度的数组进行操作.
- SoftmaxLayer 开放下列端口,以便用于 NetGraph 等:
-
"Input" 维度为 d1×d2×…×dn 的数值数组 "Output" 维度为 d1×d2×…×dn 的数值数组 - 在较大的网络中,如果不能从其他层推导得出,可以使用选项 "Input"->n 来确定 SoftmaxLayer 的输入维度.
- SoftmaxLayer[] 等价于 SoftmaxLayer[-1].
- SoftmaxLayer 有效地正态化输入数组的指数,产生总和为 1 的向量. 对于默认的 -1 层,最里面的维度用作规范化维度.
- 当将 SoftmaxLayer[-1] 应用于向量 v 时,生成向量 Normalize[Exp[v],Total]. 当应用于更高维度的数组时,它被映射到层 -1.
- 当将 SoftmaxLayer[n] 应用于维度为 k 的输入数组 时,生成数组 ,其中 n 是 x 的求和索引.
- SoftmaxLayer[…,"Input"shape] 允许指定输入的形式. shape 的可能形式为:
-
n 大小为 n 的向量 {d1,d2,…} 维度为 d1×d2×… 的数组 {"Varying",d2,d3,…} 第一维度是变的,其余维度是 d2×d3×… 的数组 - Options[SoftmaxLayer] 给出构建网络层的默认选项的列表. Options[SoftmaxLayer[…]] 给出在一些数据上运行网络层的默认选项列表.
- Information[SoftmaxLayer[…]] 给出关于该网络层的报告.
- Information[SoftmaxLayer[…],prop] 给出 SoftmaxLayer[…] 的属性 prop 的值. 可能的属性与 NetGraph 相同.
范例
打开所有单元关闭所有单元基本范例 (2)
范围 (5)
创建一个 SoftmaxLayer,接受维度为 3×2 的矩阵作为输入:
创建一个 SoftmaxLayer,使用第一个维度作为规范化维度:
创建一个 SoftmaxLayer,在长度可变的维度上规范化:
将 SoftmaxLayer 逐项作用于一批输入:
创建一个 SoftmaxLayer,用 NetDecoder 将输出解释为类别概率:
属性和关系 (3)
巧妙范例 (1)
创建 SoftmaxLayer 的三个实例集合,接受并返回一幅 RGB 图像,但是,分别在颜色通道维度、高度和宽度上进行正则化:
Wolfram Research (2016),SoftmaxLayer,Wolfram 语言函数,https://reference.wolfram.com/language/ref/SoftmaxLayer.html (更新于 2018 年).
文本
Wolfram Research (2016),SoftmaxLayer,Wolfram 语言函数,https://reference.wolfram.com/language/ref/SoftmaxLayer.html (更新于 2018 年).
CMS
Wolfram 语言. 2016. "SoftmaxLayer." Wolfram 语言与系统参考资料中心. Wolfram Research. 最新版本 2018. https://reference.wolfram.com/language/ref/SoftmaxLayer.html.
APA
Wolfram 语言. (2016). SoftmaxLayer. Wolfram 语言与系统参考资料中心. 追溯自 https://reference.wolfram.com/language/ref/SoftmaxLayer.html 年