sigmoid

Anwenden der Sigmoid-Aktivierung

Seit R2019b

Syntax

Y = sigmoid(X)

Beschreibung

Bei der Sigmoid-Aktivierung wird die Sigmoid-Funktion auf die Eingabedaten angewendet.

Dieser Vorgang ist gleichbedeutend mit

$$f(x)=\frac{1}{1+e^{-x}}.$$

Hinweis

Diese Funktion wendet die Sigmoid-Operation auf dlarray-Daten an. Wenn Sie Sigmoid innerhalb eines dlnetwork-Objekts anwenden wollen, verwenden Sie sigmoidLayer.

Y = sigmoid(X) berechnet die Sigmoid-Aktivierung der Eingabe X durch Anwendung der Sigmoid-Transferfunktion. Alle Werte in Y liegen zwischen 0 und 1.

Beispiele

Anwenden der Sigmoid-Aktivierung

Verwenden Sie die sigmoid-Funktion, um alle Werte in den Eingabedaten auf einen Wert zwischen 0 und 1 zu setzen.

Erstellen Sie die Eingabedaten als eine einzige Beobachtung von Zufallswerten mit einer Höhe und Breite von sieben und 32 Kanälen.

height = 7;
width = 7;
channels = 32;
observations = 1;

X = randn(height,width,channels,observations);
X = dlarray(X,'SSCB');

Berechnen Sie die Sigmoidal-Aktivierung.

Y = sigmoid(X);

Alle Werte in Y liegen jetzt zwischen 0 und 1.

Eingabeargumente

X — Eingabedaten

dlarray

Eingabedaten, angegeben als formatiertes dlarray, ein unformatiertes dlarray oder ein numerisches Array.

Datentypen: single | double

Ausgangsargumente

Y — Sigmoid-Aktivierungen

dlarray

Sigmoid-Aktivierungen, ausgegeben als ein dlarray. Alle Werte in Y liegen zwischen 0 und 1. Die Ausgabe Y hat denselben zugrundeliegenden Datentyp wie die Eingabe X.

Wenn die Eingabedaten X ein formatiertes dlarray sind, hat Y das gleiche Dimensionsformat wie X. Wenn die Eingabedaten kein formatiertes dlarray sind, ist Y ein unformatiertes dlarray mit der gleichen Reihenfolge der Dimensionen wie die Eingabedaten.

Erweiterte Fähigkeiten

C/C++ Codegenerierung
Generieren Sie C und C++ Code mit MATLAB® Coder™.

GPU-Codegenerierung
Generieren von CUDA® Code für NVIDIA® Grafikprozessoren mit dem GPU Coder™.

GPU-Arrays

Schnellere Codeausführung durch Ausführen auf einer Grafikkarte (GPU) mit der Parallel Computing Toolbox™.

Verwendungshinweise und Einschränkungen:

• Wenn das Eingangsargument X ein dlarray mit zugrundeliegenden Daten des Typs gpuArray ist, läuft diese Funktion auf der GPU.

Weitere Informationen finden Sie unter Run MATLAB Functions on a GPU (Parallel Computing Toolbox).

Versionsverlauf

Eingeführt in R2019b

Siehe auch

dlarray | dlgradient | dlfeval | softmax | crossentropy | huber | mse

Themen

• Define Custom Training Loops, Loss Functions, and Networks
• Train Network Using Model Function
• List of Functions with dlarray Support