神经网络深度学习CNN MATLAB代码

好的，以下是一个简单的CNN的MATLAB代码示例，用于对MNIST手写数字数据集进行分类：

% 加载MNIST数据集
load mnist.mat

% 创建卷积神经网络模型
layers = [
    imageInputLayer([28 28 1])
    convolution2dLayer(5, 20)
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2, 'Stride', 2)
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer];

% 设置训练选项
options = trainingOptions('adam', ...
    'InitialLearnRate', 0.001, ...
    'MaxEpochs', 10, ...
    'MiniBatchSize', 128, ...
    'Shuffle', 'every-epoch', ...
    'Verbose', false, ...
    'Plots', 'training-progress');

% 训练模型
net = trainNetwork(trainX, trainY, layers, options);

% 预测测试集数据
YTest = classify(net, testX);

% 计算准确率
accuracy = sum(YTest == testY) / numel(testY);
fprintf('准确率: %.2f%%\n', accuracy*100);

这段代码中，首先加载了MNIST数据集，并创建了一个包含卷积层、批归一化层、ReLU激活层、池化层、全连接层、softmax层和分类层的CNN模型。然后，使用trainNetwork函数训练模型，并使用classify函数预测测试集数据。最后，计算准确率并输出结果。