手把手教你从零搭建卷积神经网络（版本要求：matlab 2019b及以上）

 写在前面

博主介绍：博主是一个致力于机器学习算法和深度学习领域的科研小菜鸟，希望与大家共同进步！

个人主页：Born for的博客_CSDN博客-数学建模,数字信号处理,微电网经济调度领域博主

近期专栏：数字信号处理_Born for的博客-CSDN博客

深度学习_Born for的博客-CSDN博客

目录

相关理论

数据集准备

读取数据

搭建CNN模型

训练模型

运行结果

 1、相关理论

        CNN 模型为深度学习模型，其具有局部连接、权 值共享和空间相关等特性，以及强鲁棒性和容错能力，适用于提取深层数据特征。经典的 CNN 模型结构包含输入层、隐含层、全连接层和输出层。卷积神经网络的模型如下图所示。

2、数据集的准备

        以手写数据集为例，搭建卷积神经网络进行分类识别。数据集下载地址： MNIST handwritten digit database, Yann LeCun, Corinna Cortes and Chris Burges ，下面为部分数据集图片展示。

     

 3、数据集的读取与划分

        将下载好的数据集保存好，digitDatasetPath 填写数据集的保存路径即可。每一类随机选择750张图片作为测试数据，其他的作为训练数据。

%%数据集的读取
digitDatasetPath = 'D:\MTALAB2019\手写数据集\DigitDataset';
imds = imageDatastore(digitDatasetPath, ...
    'IncludeSubfolders',true,'LabelSource','foldernames');
%%数据集的划分
numTrainFiles = 750;
[imdsTrain,imdsValidation] = splitEachLabel(imds,numTrainFiles,'randomize');

4、卷积神经网络的搭建

layers = [
    imageInputLayer([28 28 1])  %%输入层
    %%卷积层
    convolution2dLayer(3,8,'Padding','same')  
    batchNormalizationLayer
    reluLayer
    %%池化层
    maxPooling2dLayer(2,'Stride',2)
    %%卷积层
    convolution2dLayer(3,16,'Padding','same')
    batchNormalizationLayer
    reluLayer
    %%池化层
    maxPooling2dLayer(2,'Stride',2)
    %%卷积层
    convolution2dLayer(3,32,'Padding','same')
    batchNormalizationLayer
    reluLayer
    %全连接层
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer];

 网络搭建好了，就需要对网络的参数进行设置，相关参数代码如下：

options = trainingOptions('sgdm', ...
    'InitialLearnRate',0.01, ...
    'MaxEpochs',10, ...
    'Shuffle','every-epoch', ...
    'ValidationData',imdsValidation, ...
    'ValidationFrequency',30, ...
    'Verbose',false, ...
    'Plots','training-progress');

 4、训练卷积神经网络

net = trainNetwork(imdsTrain,layers,options);

 训练结果如下 

5、测试与运行结果

YPred = classify(net,imdsValidation);
YValidation = imdsValidation.Labels;

accuracy = sum(YPred == YValidation)/numel(YValidation)

 

如有侵权，请联系删除，谢谢！ 关注我更多深度学习模型会手把手教你搭建。