用matlab写一段DNN做分类的代码

下面是一个用 MATLAB 实现深度神经网络进行分类的示例代码：

% 加载数据
load('data.mat');

X_train = train_data; % 训练数据
Y_train = train_labels; % 训练标签

X_test = test_data; % 测试数据
Y_test = test_labels; % 测试标签

% 构建神经网络
layers = [
    imageInputLayer([28 28 1])
    
    convolution2dLayer(3, 32, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer
    
    maxPooling2dLayer(2, 'Stride', 2)
    
    convolution2dLayer(3, 64, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer
    
    maxPooling2dLayer(2, 'Stride', 2)
    
    convolution2dLayer(3, 128, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer
    
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer
];

% 设置训练选项
options = trainingOptions('adam', ...
    'MaxEpochs', 10, ...
    'MiniBatchSize', 128, ...
    'ValidationData', {X_test, Y_test}, ...
    'Plots', 'training-progress');

% 训练网络
net = trainNetwork(X_train, Y_train, layers, options);

% 测试网络
YPred = classify(net, X_test);

% 计算准确率
accuracy = sum(YPred == Y_test) / numel(Y_test);
fprintf('Accuracy: %.2f%%\n', accuracy * 100);

这段代码使用了一个简单的卷积神经网络对 MNIST 数据集进行分类。首先加载数据，然后构建神经网络。训练选项中设置了 Adam 优化器、最大训练轮数、每批次的样本数以及验证数据和绘图选项。使用 `trainNetwork` 函数进行训练，然后使用 `classify` 函数对测试数据进行分类，最后计算准确率并输出。