Matlab深度学习基础笔记-1

笔记来源于matlab官网，不足之处还请提出。

---

1.使用预训练网络

---

1.1加载并查看图像

    使用imread函数导入图像，支持GIF，JPEG,PNG等，如将png格式的图像读入到变量I中。

                                                    I = imread('filename.png');

    使用imshow函数显示变量中的图像。

                                                    imshow(I);

---

1.2使用alexnet做预测（alexnet是基于CNN的模型，已经训练好的神经网络）

    创建alexnet的副本。

                                                    net = alexnetnet;

    使用classify预训练alexnet网络对图像img进行预测，将预测结果存入变量pred1中。效果如下图。

                                                    pre1 = classify(net,img);

识别效果图

---

1.3CNN架构

AlexNet图层

使用deepnet（如1.2中的net）表示深度卷积网络，通过Layers使用索引引用变量的属性来检查网络的各个层次：

variable.Property，效果如下，ly是一个网络层数组：

                                                                ly=deepnet.Layers

Layers

---

可以使用常规的matlab数组检索单个图层，如将网络的第一个（输出）层提取到inlayer变量中：

                                                                    inlayer = ly(1);

得到的输出层属性

---

使用属性InputSize可以得到图层的输入层所需要的图像大小，如提取第一层（存储在变量inlayer中）的图像大小属性，并将结果存储在变量insz：

                                                            insz = inlayer.InputSize;

图像size

图像尺寸

---

提取输出层到变量outlayer中，因为layer共25层，所以：

                                                            outlayer = ly(25);

输出层属性

---

输出层属性ClassName，用于给出网络被训练预测的类别的名称，如：

                                        categorynames = outlayer.ClassNames；