如何在MATLAB中实现和训练卷积神经网络（CNN）？

在MATLAB中实现和训练卷积神经网络（Convolutional Neural Network, CNN）通常会使用其内置的深度学习工具箱Deep Learning Toolbox。以下是创建和训练CNN的基本步骤：

1. **环境准备**：
确保已经安装了最新版本的MATLAB及其Deep Learning Toolbox。

2. **数据预处理**：
准备用于训练的数据集，通常需要对图像进行归一化、裁剪和可能的增强操作。

3. **模型定义**：
使用`deepNetwork`函数创建一个新的CNN结构，指定输入层大小、卷积层、池化层、全连接层等组件。例如：

   layers = [
       imageInputLayer([height width channels])
       convolution2dLayer(filterSize, numFilters)
       reluLayer
       maxPooling2dLayer(poolSize)
       fullyConnectedLayer(numClasses)
       softmaxLayer
       classificationLayer];
   net = deepNetwork(layers);

4. **加载数据**：
使用` imageDatastore `或` imageDataFeeder `从文件夹读取并划分数据集为训练集和验证集。

5. **设置选项**：
创建`trainingOptions`结构体，设置迭代次数、学习率、优化器等训练参数。

6. **训练网络**：

   options = trainingOptions('sgdm', 'MaxEpochs', epochs, 'MiniBatchSize', miniBatchSize);
   net = trainNetwork(trainingData, net, options);

7. **评估和保存模型**：
使用测试数据评估模型性能，如计算准确率，然后将模型保存到磁盘以便后续使用。