MATLAB与深度学习（三）— 训练神经网络（图像分类识别）

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.

参考和部分引用下面博主的代码：
https://blog.csdn.net/u010936286/article/details/80667138?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task；.

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