matlab中trainnetwork函数介绍及例子

`trainNetwork` 函数在 MATLAB 中主要用于深度学习网络的训练，它属于 Deep Learning Toolbox的一部分。这个函数允许用户通过反向传播算法对神经网络模型进行训练，以便使其能够从输入数据中学习并做出预测。

`trainNetwork`的基本语法通常如下：

net = trainNetwork(trainData, trainLabels, layers, options)

参数说明：
- `trainData`: 训练数据集，通常是结构化的 `dlarray` 或者 `table` 类型，包含特征矩阵和目标变量。
- `trainLabels`: 训练标签，对应于 `trainData` 的目标变量。
- `layers`: 网络结构描述，包括隐藏层、激活函数等信息，可以是 `layerv` 链式表示法或 `layer` 对象数组。
- `options`: 训练选项，如学习率、迭代次数、优化器等，可以是 `trainingOptions` 对象。

例如，假设我们有一个简单的卷积神经网络 (CNN) 模型，并且有一个已标记的图像数据集 `XTrain` 和对应的标签 `YTrain`，我们可以这样训练网络：

% 创建网络结构
layers = [
    imageInputLayer([32 32 3]) % 输入层，假设是32x32 RGB图片
    convolution2dLayer(5,20)   % 卷积层，5x5滤波器，20个通道
    reluLayer                    % 激活函数，这里用ReLU
    maxPooling2dLayer(2,'Stride',2) % 最大池化层，2x2区域，步长为2
    fullyConnectedLayer(10)      % 全连接层，10个节点用于分类
    softmaxLayer                 % 输出层，softmax用于多分类
    classificationLayer           % 分类层
];

% 设置训练选项
options = trainingOptions('adam', ... % 使用 Adam 优化器
    'MaxEpochs',10, ...             % 总训练轮数
    'MiniBatchSize',64, ...        % 批量大小
    'InitialLearnRate',0.001);     % 初始学习率

% 训练网络
net = trainNetwork(XTrain, YTrain, layers, options);