Matlab深度学习基础笔记-2

笔记来源于matlab官网，不足之处还请提出.。

---

1.4检查预测

Prediction scores

使用classify可以获得所有类别的预测值，存储在数组scrs中：

                                            [pred scrs] = classify(net ,img);

---

使用bar(scrs)来创建预测值的条形图：

---

使用highscores = scrs >0.01显示值中大于0.01

---

使用逻辑索引来创建高于阀值0.01的预测值的条形图：

                                                bar(scrs(highscores));

---

使用逻辑索引和xticklabels函数来标记出预测类名称的条形图。类名称的完整列表存储在变量中categorynames：

                                           xticklabels(categorynames(highscores));

---

1.5图像数据存储

使用imageDatastore函数在matlab中创建数据存储区，如将file01.jpg到file12.jpg存储到imds中，*代表通配符：

                                                imds = imageDatastore('file*.jpg');

---

使用Files这个属性来提取文件中图像名称：

                                                        fname = imds.Files

---

使用read,readimage以及readall函数从数据存储区导入数据，read只能一次导入一个，readimage可以导入一个具体的图像，readall可以将所有图像导入到一个数组中，将file07.jpg从数据存储区imds导入到变量img中(7代表第7个）：

                                                img = readimage(imds,7)；

---

可以使用图像数据存储来代替CNN中单个图像，如：

                                            preds = classify(net,imds);

---

---

通过imageDatastore中‘IncludeSubfolders’选项，可以将数据存储到指定文件夹下，如创建一个数据存储区flwrds，将图像都存到子文件Flowers层中:

                        flwds = imageDatastore('Flowers','IncludeSubfolders',true);

---

可以使用classify对flwrds进行分类：

                                            preds = classify(net,flwrds);