网上已具有大量卷积神经网络的讲解，故本文不在对此赘述，这篇文章针对已了解CNN基础结构和原理者，以一个例子搭建一个简单的卷积神经网络，作为正式迈入深度学习的第一步。

我们以深度学习最经典的案例——手写数字的识别，和一种经典的CNN——LeNet进行本次学习。

Matlab的功能十分强大，其自带的深度学习工具箱可以使我们免于编写底层算法，迅速地搭建出一个卷积神经网络，同时，其自带手写数字图片以供学习，地址如下，笔者使用的是Matlab2022a。

我们将DigitDataset拷贝到当前编写代码的文件夹下，并删除其中包含两个Excel即可得到下列图片。

 第一步，加载手写数字样本图片，代码如下：

clearclc% 第一步：加载手写数字样本imds = imageDatastore( ... 'DigitDataset', ... 'IncludeSubfolders',true, ... 'LabelSource','foldernames');

'IncludeSubfolders',true：包含每个文件夹中的所有文件和子文件夹；

'LabelSource','foldernames'：根据文件夹名称分配标签并储存在Labels属性中。

第二步，将样本划分为训练集和测试集，并统计分类数量，代码如下：

% 第二步：% 将样本划分为训练集与测试集[imdsTrain,imdsValidation] = splitEachLabel(imds,0.7);% 统计训练集中分类标签的数量numClasses = numel(categories(imdsTrain.Labels));

imdsTrain为训练样本数据，imdsValidation为验证样本数据，0.7为训练样本的比例。

第三步，构建LeNet并进行可视化分析，代码如下：

% 第三步：构建LeNET卷积网络并进行分析
最低0.47元/天 解锁文章
Matlab的功能十分强大，其自带的深度学习工具箱可以使我们免于编写底层算法，迅速地搭建出一个卷积神经网络，同时，其自带手写数字图片以供学习，地址如下，笔者使用的是Matlab2022a。网上已具有大量卷积神经网络的讲解，故本文不在对此赘述，这篇文章针对已了解CNN基础结构和原理者，以一个例子搭建一个简单的卷积神经网络，作为正式迈入深度学习的第一步。我们以深度学习最经典的案例——手写数字的识别，和一种经典的CNN——LeNet进行本次学习。：将训练好的网络用于对新的输入图像进行分类，并计算准确率。 复制链接
Matlab深度学习入门实例:从0搭建卷积神经网络CNN（附完整代码） 20717
Matlab深度学习入门实例:基于AlexNet的红绿灯识别（附完整代码） 3136

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

更多文章请关注《万象专栏》