以下代码出现函数或变量 'Net_Built' 无法识别的错误，请改正确：%% 导入数据 digitDatasetPath = fullfile(matlabroot,'toolbox','nnet','nndemos', ... 'nndatasets','DigitDataset'); imds = imageDatastore(digitDatasetPath, ... 'IncludeSubfolders',true,'LabelSource','foldernames'); % 图像展示 figure; perm = randperm(10000,20); for i = 1:20 subplot(4,5,i); imshow(imds.Files{perm(i)}); end %% 数据整理与归一化 labelCount = countEachLabel(imds);% 查看各类图片的数量及对应的分类标签 img = readimage(imds,1); % 设置输入图像的大小 fprintf('输入图像的大小为：'); disp(size(img)); % 指定训练集和测试集合 numTrainFiles = 750; % 指定训练集总共包含750个图像 [imdsTrain,imdsValidation] = splitEachLabel(imds,numTrainFiles,'randomize'); % 将图片与对应的标签分开，即分成输入与输出 %% 网络定义以及训练 [layers,options] = Net_Built(imdsValidation); analyzeNetwork(layers); net = trainNetwork(imdsTrain,layers,options); %% 网络分类预测 YPred = classify(net,imdsValidation); YValidation = imdsValidation.Labels; accuracy = sum(YPred == YValidation)/numel(YValidation); fprintf('分类测试的正确率为：'); disp(accuracy); plot(YPred); hold on plot(YValidation); hold off legend('预测分类','实际分类'); title('CNN实际测试情况'); xlabel('样本'); ylabel('分类数值');

该代码中的错误是 `Net_Built` 函数或变量未定义。可能是因为该函数或变量未在代码中定义或者在代码的其他位置定义了。

为了解决这个问题，你需要定义 `Net_Built` 函数或变量，或者将其替换为已定义的函数或变量。

例如，你可以将 `Net_Built` 替换为一个现有的卷积神经网络模型，例如 ResNet 或 VGG。或者你可以自己编写一个函数来定义网络结构。以下是一个自定义网络结构的示例代码：

function [layers,options] = Net_Built(imdsValidation)

    % 定义网络结构
    layers = [
        imageInputLayer([28 28 1])
        
        convolution2dLayer(5, 20)
        batchNormalizationLayer
        reluLayer
        
        maxPooling2dLayer(2, 'Stride', 2)
        
        fullyConnectedLayer(10)
        softmaxLayer
        classificationLayer];

    % 定义训练选项
    options = trainingOptions('adam', ...
        'MaxEpochs', 5, ...
        'MiniBatchSize', 128, ...
        'Shuffle', 'every-epoch', ...
        'Verbose', false, ...
        'Plots', 'training-progress');
end

将上述代码添加到你的代码中，即可解决 `Net_Built` 未定义的问题。