"Class" (ネットデコーダ)

NetDecoder["Class"]

ベクトルをクラスの確率として解釈するデコーダを表す．

NetDecoder[{"Class",{c1,c2,…}}]

クラスラベル ci を持つデコーダを表す．

詳細

  • NetDecoder[…][input]はデコーダを入力に適用して出力を作る．
  • NetDecoder[…][{input1,input2,…}]はデコーダを入力のリストに適用して出力のリストを作る．
  • NetDecoder["Class"]は連続する整数をクラスラベルとして使う．
  • ネットワークの構築時に "port"->NetDecoder[…]を指定すると，デコーダをネットワークの出力ポートに付加することができる．
    • パラメータ
  • 以下のパラメータが使用可能である：
  • "InputDepth"1入力配列の深さ
    "Multilabel"Falseクラスが独立分布から来るかどうか
  • NetDecoder[{"Class",…,"InputDepth"->n}]は入力配列の深さを n と指定するのに使うことができる．デフォルトの深さは1であり，入力がベクトルであることを示している．行列やもっと高いランクの入力では，最後の次元はクラス次元として解釈される．
  • "Multilabel"Falseのとき，クラス次元を通じて値の和が1にならなければならない．
  • "Multilabel"Trueのとき，値は0から1の間でなければならず，0.5より大きい値はすべて，決定の出力リスト内にクラスを作り出す．
    • 特性
  • NetDecoder[…][data,prop]は入力データの特定の特性を計算するのに使うことができる．
  • "Class"のデコーダがネットワークに付加されるとき， net[data,prop]または net[data,"oport"->prop]を使って復号化された出力の特定の特性を計算することができる．
  • "Class"デコーダには以下の特性 prop が使用可能である：
  • "Decision"最高確率（デフォルト）を持つクラス ci
    "TopDecisions"n最高確率を持つ n 個のクラス
    "TopProbabilities"おそらく ci であろう確率を規則のリストとして返す
    "TopProbabilities"nn がおそらく ci であろう確率
    "Probabilities"連想<|c1->p1,c2->p2,…|>
    "Probability"ci特定の ciの確率
    "Entropy"確率分布のエントロピー
    "RandomSample"各クラスをその確率に応じてサンプル化する
    "RandomSample"t正の温度 t を使ってサンプル化する
    "RandomSample"{param1val1,…}特定の動作を伴うランダムサンプリング
    None復号を回避して入力を返す
  • "RandomSample"{param1val1,…} で，parami に可能な設定は以下を含む：
  • "Temperature"t正の温度 tを使ったサンプル
    "TotalProbabilityCutoff"p少なくとも p の累積確率を持つ最も可能性の高いクラスのサンプル（核サンプリング）
    "TopProbabilities"k k 個の最も確率の高いクラスの中でのみサンプリングする

例題

すべて開くすべて閉じる

例  (1)

クラスデコーダを作る：

このデコーダを確率ベクトルに使って，最も確率の高いクラスを返す：

各クラスの確率を求める：

スコープ  (3)

デコーダは通常ネットの出力に付加して使われる：

ネットがクラスラベルを返すようにする：

連続する整数をクラスラベルとして使うクラスデコーダを作り，付加する：

クラスデコーダを作る：

これを確率ベクトルに使ってクラス予測をする：

上位2つの予測を返す：

すべてのクラスの確率を返す：

分布のエントロピーを返す：

入力のバッチに適用されたエントロピーを返す：

確率によってクラスをサンプル化する：

パラメータ  (2)

"InputDepth"  (1)

行列を取るクラスデコーダを作る：

行が確率ベクトルである行列にデコーダを適用する：

各クラスの確率を得る：

デコーダをネットに付加し，それを入力に適用する：

"Multilabel"  (1)

マルチラベルのクラスデコーダを作る：

デコーダを独立である確率のベクトルに適用する：

各クラスの確率を得る：

各クラスのエントロピーを得る：

確率に応じてクラスのリストをサンプル化する：