神经网络猫狗分类MATLAB代码

神经网络用于猫狗分类是一种常见的机器学习应用，特别是在深度学习领域。在MATLAB中，我们可以使用深度学习工具箱（Deep Learning Toolbox）来实现这一任务。下面是一个简单的示例代码，它使用卷积神经网络（Convolutional Neural Network, CNN）进行图像分类：

% 导入所需的库
addpath('toolbox_path'); % 需要将toolbox_path替换为你的实际路径
net = alexnet; % 使用预训练的AlexNet模型

% 加载数据集
imds = imageDatastore('cat_dog_dataset', 'IncludeSubfolders', true, 'LabelSource', 'foldernames');

% 划分训练集和验证集
[imdsTrain, imdsValidation] = splitEachLabel(imds, 0.7, 'randomized');

% 数据增强
augmenter = imageDataAugmenter(...
    'RandXReflection', true, ...
    'RandYTranslation', [-10, 10], ...
    'RandXTranslation', [-10, 10]);

% 训练网络
options = trainingOptions('sgdm', ...
    'MiniBatchSize', 64, ...
    'MaxEpochs', 5, ...
    'Shuffle','every-epoch', ...
    'Verbose', false, ...
    'Plots', 'training-progress');
net = trainNetwork(imdsTrain, net, options, augumenter);

% 测试分类性能
YPred = classify(net, imdsValidation);
accuracy = mean(YPred == imdsValidation.Labels);

这个例子中，我们首先加载了一个预训练的AlexNet模型，并从给定的猫狗数据集中提取特征。然后通过数据增强提高模型的泛化能力，接着训练模型并评估其在验证集上的准确率。