deep learning---MatConvent框架的简单介绍(一)

Abstract：本文主要介绍MatConvent框架，意在熟悉Matlab能够利用MatConvent轻松搭建自己的网络完成相应的任务。

$\,\,\,\,\,\,\,\,\,$对于不熟悉C++人来说，改以C++为底层的深度学习代码难度非常大。这时我们可以以matlab为底层的代码来搭建自己的网络来实现自己的任务。目前有deeplearning toolbox和MatConvnet以Matlab为基础的深度学习框架。deeplearing toolbox完全是纯matlab语言编写，利用大尺寸图像训练的时候速度非常非常慢。MatConvent框架的conv和pooling是C++写的，而且支持CUDA，所以速度相对来说快点。对于熟悉caffe的人来说或者其他以C++底层，就没有必要使用MatConvent，因为MatConvent的速度比不上纯C++的深度学习框架。但不是每个人都熟悉C++，所以我就来讲讲MatCovnet。

1. MatConvent下载地址：http://www.vlfeat.org/matconvnet/，目前版本为version 1.0-beta20，版本都在更新之中。不过使用MatConvent好像需要Matlab2014b以上的版本，因为我的实验室电脑安装的Matlab2012b，我发现编译不通过，换了Matlab2014b就可以编译通过。

2. 编译Matconvent：可以参考http://www.vlfeat.org/matconvnet/install/可以帮助我们完成MatConvent编译。

3. Matconvent可以实现full connection neural network，也可以实现convolution neural network。整个Matconvent包括了crop层，conv层，pooling层，concat层，激活函数层，还有距离度量层，dropout层。如果我们想设计自己的层，我们可以编写一个前馈层和对应的反馈层即可，这里我们可以根据已有的层依葫芦画瓢的设计自己的层。

4. 设计自己的网络
以cifar为例子，初始化自己的网络在cnn_cifar_init中，里面定义了每一层的卷积核的个数和大小。包括输入图像的大小net.meta.inputSize，每一次迭代的学习率net.meta.trainOpts.learningRate;每一次训练的batch大小net.meta.trainOpts.batchSize;这些都是很容易改编的。

5. 训练好的模型
MatConvent有很多训练好的模型（http://www.vlfeat.org/matconvnet/pretrained/）
有Face recognition model，http://www.robots.ox.ac.uk/~vgg/software/vgg_face/。
Semantic segmentation的模型。
还有imagenet的模型，有vgg，google，AlexNet。
这些模型我们可以直接使用，也可以在此基础上finetuing。