figure plot(accuracy,'r','linewidth',2); ylim([0.95,0.99]) legend(num2str(arch)) title(['ReLU激活函数+均方误差代价函数+L2规则化,最高识别率：',num2str(max(accuracy)*100),'%']) grid on accuracy_test = evaluatemnist(@acti_relu,@acti_sigmoid,x_test,y_test,weight,bias,nlayer); disp(['测试数据test_data的识别率: ',num2str(accuracy_test*100),'%']);

这段代码主要是画出训练过程中识别率的变化曲线，并输出测试数据的识别率。

其中，figure plot(accuracy,'r','linewidth',2) 是将训练过程中的识别率 accuracy 绘制成一条红色线条并显示出来。

ylim([0.95,0.99]) 是设置 y 轴的范围为 0.95 到 0.99。

legend(num2str(arch)) 是添加图例，arch 表示网络结构，在这里将其转换成字符串类型。

title(['ReLU激活函数+均方误差代价函数+L2规则化,最高识别率：',num2str(max(accuracy)*100),'%']) 是添加图表标题，并将最高识别率显示在标题中。

grid on 是添加网格线。

evaluatemnist 函数用于评估模型在测试数据上的识别率，输出值为 accuracy_test。

disp(['测试数据test_data的识别率: ',num2str(accuracy_test*100),'%']); 是将测试数据的识别率输出到控制台。