cnn卷积神经网络MATLAB

在MATLAB中搭建卷积神经网络（CNN）可以使用MATLAB的深度学习工具箱。该工具箱提供了一系列函数和工具，可以方便地构建和训练CNN模型。

下面是一个简单的示例，演示如何在MATLAB中搭建一个CNN模型：

% 导入手写数字数据集
digitDatasetPath = fullfile(matlabroot,toolbox','nnet','nndemos',...
    'nndatasets','DigitDataset');
digitData = imageDatastore(digitDatasetPath,...
    'IncludeSubfolders',true,'LabelSource','foldernames');

% 划分训练集和测试集
[trainData,testData] = splitEachLabel(digitData,0.7,'randomized');

% 定义CNN模型
layers = [
    imageInputLayer([28 28 1])
    convolution2dLayer(3,16,'Padding','same')
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    convolution2dLayer(3,32,'Padding','same')
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer];

% 设置训练选项
options = trainingOptions('sgdm',...
    'MaxEpochs',10,...
    'ValidationData',testData,...
    'ValidationFrequency',30,...
    'Verbose',false,...
    'Plots','training-progress');

% 训练CNN模型
net = trainNetwork(trainData,layers,options);

% 在测试集上评估模型性能
predictedLabels = classify(net,testData);
accuracy = mean(predictedLabels == testData.Labels);

% 显示模型性能
disp(['Accuracy: ', num2str(accuracy)]);

这个示例演示了如何使用MATLAB的深度学习工具箱搭建一个简单的CNN模型，并使用手写数字数据集进行训练和测试。你可以根据自己的需求修改网络结构、训练选项和数据集。