这篇文章作为上一篇的补充和拓展,再添加几个例子和相应的介绍。
1. 创建和训练新的神经网络的步骤
- 下载数据集
- 创建和配置网络层
常用网络层:
卷积层将输入图像放进一组卷积滤波器,每个滤波器激活图像中的某些特征。
ReLU 层通过将负值映射到零和保持正数值,实现更快、更高效的训练。
池化层通过执行非线性下采样,减少网络需要学习的参数个数,从而简化输出。
全连接层将网络 2D 空间特征“扁平化”为 1D 矢量,为分类目的而表示图像级特征。
Softmax 层为数据集中的每个类别提供概率。
- 训练
- 测试网络准确率
以识别手写数字为例子
先自行下载数据集MNIST.
clear all;close all;clc
% % 导入数据集
filename = './train-images.idx3-ubyte';
fid = fopen(filename,'r');
MagicNumber=readint32(fid);
numImg=readint32(fid);
numRows=readin