请给我举个matlab中cnn参数设置的例子，要求包含所有的参数设置，可运行的matlab代码例子

好的，以下是一个MATLAB中CNN参数设置的例子，包含所有的参数设置，是一个可以运行的MATLAB代码例子：

% 加载数据集
load('digitTrainSet.mat');
load('digitTestSet.mat');

% 设置卷积神经网络参数
layers = [
    imageInputLayer([28 28 1]) % 输入层
    convolution2dLayer(3,8,'Padding','same') % 卷积层1
    batchNormalizationLayer % 批标准化层1
    reluLayer % ReLU激活层1
    maxPooling2dLayer(2,'Stride',2) % 最大池化层1
    convolution2dLayer(3,16,'Padding','same') % 卷积层2
    batchNormalizationLayer % 批标准化层2
    reluLayer % ReLU激活层2
    maxPooling2dLayer(2,'Stride',2) % 最大池化层2
    fullyConnectedLayer(10) % 全连接层
    softmaxLayer % softmax激活层
    classificationLayer]; % 分类层

% 设置训练参数
options = trainingOptions('adam', ... % 优化器
    'MaxEpochs',10, ... % 迭代次数
    'MiniBatchSize',128, ... % 批次大小
    'Shuffle','every-epoch', ... % 每个Epoch都打乱数据集顺序
    'Verbose',false, ... % 不显示训练过程
    'Plots','training-progress'); % 显示训练进度

% 训练卷积神经网络
net = trainNetwork(trainDigitData,layers,options);

% 测试卷积神经网络
predictedLabels = classify(net,testDigitData);
accuracy = sum(predictedLabels == testDigitData.Labels)/numel(testDigitData.Labels);
fprintf('Accuracy = %.2f%%\n',accuracy*100);

在上面的代码中，我们首先加载了MNIST数据集，然后设置了一个简单的卷积神经网络，包括输入层、两个卷积层、两个最大池化层、一个全连接层、一个softmax激活层和一个分类层。我们还设置了训练参数，包括优化器、迭代次数、批次大小、数据集顺序等。最后，我们使用trainNetwork函数训练卷积神经网络，并使用classify函数对测试数据进行预测，并计算了模型的准确率。