matlab使用deep network designer搭建网络进行图像增强，将搭建好的网络（没有在deep network designer导入数据进行训练）导出到工作区后，导入数据并设置训练选项及损失函数后，编写程序来训练这个网络

首先，你需要将搭建好的网络保存为MATLAB代码文件，以便在训练时进行调用。在Deep Network Designer中，选择“Export > Generate Code”选项，然后选择“MATLAB Code”格式并保存代码文件。

接下来，你可以使用MATLAB的“ImageDatastore”函数来导入图像数据并进行预处理。例如，假设你的训练图像位于“C:\train_images”文件夹中，你可以使用以下代码创建ImageDatastore对象：

imds = imageDatastore('C:\train_images', 'IncludeSubfolders', true, 'FileExtensions', {'.jpg', '.png', '.bmp'});

在创建ImageDatastore对象时，你可以指定许多选项，例如是否包括子文件夹，以及要导入的图像文件扩展名等等。有关更多详细信息，请参阅MATLAB文档。

接下来，你需要设置训练选项和损失函数。例如，你可以使用“trainingOptions”函数设置迭代次数、学习率、优化器等参数。有关更多详细信息，请参阅MATLAB文档。

最后，你可以使用“trainNetwork”函数来训练网络。例如，假设你的网络保存在“my_network.m”文件中，你可以使用以下代码来训练网络：

net = my_network;
options = trainingOptions('sgdm', 'MaxEpochs', 10, 'InitialLearnRate', 0.001);
net = trainNetwork(imds, net, options);

在训练过程中，你可以使用“plot”函数来可视化训练过程中的损失和准确率等指标。例如，以下代码可以绘制损失函数和训练精度随时间变化的图表：

figure;
plot(net.Loss);
xlabel('Iteration');
ylabel('Loss');
title('Training Loss');

figure;
plot(net.TrainAccuracy);
xlabel('Iteration');
ylabel('Accuracy');
title('Training Accuracy');

这里提供了一个简单的示例，你可以根据自己的需求进行调整和扩展。希望能对你有所帮助！