softmax

（即将删除）softmax 传递函数

全页折叠

以后的版本中将会删除 softmax。有关详细信息，请参阅Transition Legacy Neural Network Code to dlnetwork Workflows。

有关更新代码的建议，请参阅版本历史记录。

语法

A = softmax(N)
info = softmax(code)

说明

提示

要使用 softmax 激活进行深度学习，请使用 softmaxLayer 或 dlarray 方法 softmax。

A = softmax(N) 接受由净输入（列）向量组成的 S×Q 矩阵 N，并返回由应用于 N 的每列的 softmax 竞争函数组成的 S×Q 矩阵 A。

Diagram showing the softmax function applied to a vector of four inputs. The function maps the input vector 0, 1, -0.5, 0.5 to the output vector 0.17, 0.46, 0.1, 0.28.

softmax 是神经传递函数。传递函数根据层的净输入计算层的输出。

示例

info = softmax(code) 返回有关此函数的信息。有关详细信息，请参阅代码参量描述。

示例

全部折叠

此示例说明如何计算和绘制输入矩阵的 softmax 传递函数。

创建输入矩阵 n。然后调用 softmax 函数并绘制结果。

n = [0; 1; -0.5; 0.5];
a = softmax(n);
subplot(2,1,1), bar(n), ylabel('n')
subplot(2,1,2), bar(a), ylabel('a')

将此传递函数分配给网络的 i 层。

net.layers{i}.transferFcn = 'softmax';

输入参数

全部折叠

净输入列向量，指定为 S×Q 矩阵。

要从函数中检索的信息，指定为以下各项之一：

  • 'name' 返回此函数的名称。

  • 'output' 返回 [min max] 输出范围。

  • 'active' 返回 [min max] 活动输入范围。

  • 'fullderiv' 返回 1 或 0，具体取决于 dA_dN 是 S×S×Q 还是 S×Q。

  • 'fpnames' 返回函数参数的名称。

  • 'fpdefaults' 返回默认函数参数。

输出参量

全部折叠

输出矩阵，以由应用于 N 每列的 softmax 竞争函数组成的 S×Q 矩阵形式返回。

关于函数的特定信息，以字符串、向量或标量形式返回，具体取决于在 code 参量中指定的选项。

算法

a = softmax(n) = exp(n)/sum(exp(n))

版本历史记录

在 R2006a 之前推出

全部展开

另请参阅

| (Statistics and Machine Learning Toolbox) | | | | |

主题