卷积神经网络matlab代码实例

以下是一个简单的卷积神经网络的Matlab代码实例，用于手写数字识别：

% 加载手写数字数据集
load mnist.mat

% 将数据集分为训练集和测试集
trainData = double(trainData)/255;
testData = double(testData)/255;
trainLabel = categorical(trainLabel);
testLabel = categorical(testLabel);

% 定义卷积神经网络结构
layers = [
    imageInputLayer([28 28 1])
    
    convolution2dLayer(5,20)
    batchNormalizationLayer
    reluLayer
    
    maxPooling2dLayer(2,'Stride',2)
    
    convolution2dLayer(5,50)
    batchNormalizationLayer
    reluLayer
    
    maxPooling2dLayer(2,'Stride',2)
    
    fullyConnectedLayer(500)
    reluLayer
    
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer];

% 定义训练选项
options = trainingOptions('adam', ...
    'MaxEpochs',10, ...
    'MiniBatchSize',128, ...
    'ValidationData',{testData,testLabel}, ...
    'Plots','training-progress');

% 训练卷积神经网络
net = trainNetwork(trainData,trainLabel,layers,options);

% 测试卷积神经网络
predictedLabels = classify(net,testData);
accuracy = sum(predictedLabels == testLabel)/numel(testLabel);
disp(['测试集准确率为：',num2str(accuracy*100),'%']);

该代码实例使用了MNIST手写数字数据集，定义了一个包含两个卷积层和两个全连接层的卷积神经网络，并使用Adam优化器进行训练。最后输出了测试集的准确率。