前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >卷积神经网络源码——最终输出部分的理解

卷积神经网络源码——最终输出部分的理解

作者头像
深度学习思考者
发布2018-01-03 11:35:13
6560
发布2018-01-03 11:35:13
举报
文章被收录于专栏:深度学习思考者

  针对matlab版本的卷积神经网络的最终分类器(输出部分)的理解:   部分代码:

代码语言:javascript
复制
    '''cnnff'''
    net.fv = []; % 把最后一层得到的特征map拉成一条向量,作为最终提取到的特征向量  
    for j = 1 : numel(net.layers{n-1}.a) % 最后一层的特征map的个数 
        sa = size(net.layers{n-1}.a{j});   %得到几行几列的数
        % 将所有的特征map拉成一条列向量。还有一维就是对应的样本索引。每个样本一列,每列为对应的特征向量  
        net.fv = [net.fv; reshape(net.layers{n-1}.a{j}, sa(1) * sa(2), sa(3))];
    end;
    %  feedforward into output perceptrons
    if strcmp(net.layers{n}.objective, 'sigm')
         % 计算网络的最终输出值
        net.o = sigm(net.ffW * net.fv + repmat(net.ffb, 1, size(net.fv, 2)));
    '''cnntest'''
    net = cnnff(net, x);  %前向传播得到输出
    % [Y,I] = max(X) returns the indices of the maximum values in vector I   
    [~, h] = max(net.o);   % 找到最大的输出对应的标签 
    [~, a] = max(y);  % 找到最大的期望输出对应的索引 
    bad = find(h ~= a); % 找到他们不相同的个数,也就是错误的次数  
    er = numel(bad) / size(y, 2);

  拿MNIST手写体的十种分类来举例, 单纯的提取出CNN输出特征向量的最大值在向量里的位置,位置对应于10个数字0~9   如向量L1=[0 0.9 0.1 0.2 0 0 0 0 0 0 ], 0.9最大,在第二个位置,分类到数字1的类中。   如向量L2=[0 0.5 0.1 0.2 0 0 0 0 0 0.8 ], 0.8最大,在第十个位置,分类到数字9的类中。   说明:为什么第二个位置就代表数字1这一类呢,这和标签有关,这里面标签的设定不是1,2,3,4,5…;而是[1,0,0,0,…],1代表表示哪一类。   当然也可以进行其他分类器设计,CNN的主要任务是进行特征提取,对应分类器设计没有要求。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2016年04月14日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档