MATLAB卷积神经网络代码

MATLAB是一种强大的数值计算环境，也可以用于深度学习和卷积神经网络(CNN)的开发。以下是一个简单的例子，展示如何使用MATLAB的Deep Learning Toolbox创建并训练一个基本的卷积神经网络模型：

% 导入所需库
clear; close all; clc;
fprintf('Loading Deep Learning Toolbox...\n');
net = 'convnet'; % 使用预定义的卷积网络模板
layers = [
    imageInputLayer([32 32 3]) % 输入层，假设输入图片是32x32 RGB图像
    convolution2dLayer(5,20) % 卷积层，5x5滤波器，20个通道
    reluLayer % 激活函数，如ReLU
    maxPooling2dLayer(2,'Stride',2) % 最大池化层，2x2窗口，步长为2
    fullyConnectedLayer(10) % 全连接层，10个节点（对于MNIST数据集，最终输出10分类）
    softmaxLayer % 输出层，概率分布
    classificationLayer]; % 分类层

% 设置学习参数
options = trainingOptions('adam', ... % 使用Adam优化器
    'MaxEpochs',10, ... % 总训练轮数
    'MiniBatchSize',64, ... % 批量大小
    'Verbose',false); % 静默模式

% 训练网络
fprintf('Training the Convolutional Neural Network...\n');
net = trainNetwork(trainData, layers, options);

% 测试模型
testLoss = loss(net, testData);
fprintf('Test Loss: %f\n', testLoss);

%