sigmoid

Aplicar la activación sigmoide

Desde R2019b

Sintaxis

Y = sigmoid(X)

Descripción

La operación de activación sigmoide aplica la función sigmoide a los datos de entrada.

Esta operación es equivalente a

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

Nota

Esta función aplica la operación sigmoide a los datos de dlarray. Si desea aplicar la operación sigmoide dentro de un objeto dlnetwork, use sigmoidLayer.

Y = sigmoid(X) calcula la activación sigmoide de la entrada X aplicando la función de transferencia sigmoide. Todos los valores de Y se encuentran entre el 0 y el 1.

Ejemplos

Aplicar la activación sigmoide

Utilice la función sigmoid para establecer todos los valores de los datos de entrada en un valor entre el 0 y el 1.

Cree los datos de entrada como una observación única de valores aleatorios con una altura y una anchura de 7 y 32 canales.

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

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

Calcule la activación sigmoide.

Y = sigmoid(X);

Todos los valores de Y se encuentran ahora entre el 0 y el 1.

Argumentos de entrada

X — Datos de entrada

dlarray

Datos de entrada, especificados como un arreglo dlarray con formato, un arreglo dlarray sin formato o un arreglo numérico.

Tipos de datos: single | double

Argumentos de salida

Y — Activaciones sigmoides

dlarray

Activaciones sigmoides, devueltas como un arreglo dlarray. Todos los valores de Y se encuentran entre el 0 y el 1. La salida Y contiene el mismo tipo de datos subyacentes que la entrada X.

Si los datos de entrada de X son un arreglo dlarray con formato, Y tiene el mismo formato de dimensión que X. Si los datos de entrada no son un arreglo dlarray con formato, Y es un arreglo dlarray sin formato con el mismo orden de dimensiones que los datos de entrada.

Capacidades ampliadas

Generación de código C/C++
Genere código C y C++ mediante MATLAB® Coder™.

Generación de código de GPU
Genere código CUDA® para GPU NVIDIA® mediante GPU Coder™.

Arreglos GPU

Acelere código mediante la ejecución en una unidad de procesamiento gráfico (GPU) mediante Parallel Computing Toolbox™.

Notas y limitaciones de uso:

• Cuando el argumento de entrada X es un arreglo dlarray con datos subyacentes de tipo gpuArray, esta función se ejecuta en la GPU.

Para obtener más información, consulte Run MATLAB Functions on a GPU (Parallel Computing Toolbox).

Historial de versiones

Introducido en R2019b

Consulte también

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

Temas

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