资源简介

Softmax 函数处理,softmax 用于 Deep Learning 后的分类器的实现与识别,此函数的参数经过优化,有较强的泛化能力和性能

资源截图

代码片段和文件信息

function [cost grad] = softmaxCost(theta numClasses inputSize lambda data labels)

% numClasses - the number of classes 
% inputSize - the size N of the input vector
% lambda - weight decay parameter
% data - the N x M input matrix where each column data(: i) corresponds to
%        a single test set
% labels - an M x 1 matrix containing the labels corresponding for the input data
%

% Unroll the parameters from theta
theta = reshape(theta numClasses inputSize);

numCases = size(data 2);

groundTruth = full(sparse(labels 1:numCases 1));
cost = 0;

thetagrad = zeros(numClasses inputSize);

%% ---------- YOUR CODE HERE --------------------------------------
%  Instructions: Compute the cost and gradient for softmax regression.
%                You need to compute thetagrad and cost.
%                The groundTruth matrix might come in handy.












% ------------------------------------------------------------------
% Unroll the gradient matrices into a vector for minFunc
grad = [thetagrad(:)];
end


 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1033  2020-11-28 12:27  softmaxCost.m
     文件        4775  2020-11-28 12:27  softmaxExercise.m
     文件         713  2020-11-28 12:27  softmaxPredict.m
     文件        1891  2020-11-28 12:27  softmaxTrain.m

评论

共有 条评论