CNN网络识别MNIST数据集的matlab程序

    最近在学神经网络，顺便做了一个mnist数据集的识别程序，采用cnn实现。许多内容采用的是matlab例程中的程序。
    mnist数据集需要下载，解压后和下面的程序放在同一目录下，网址为：http://yann.lecun.com/exdb/mnist/.
    多次测试基本都能达到99%的识别率，不排除小于99%的识别率。
    下面是程序：

% 实现MNIST数据集的识别，在matlab2018运行正常。需要先下载数据集，
% 网址为：http://yann.lecun.com/exdb/mnist/。

clear all;
close all;

N_sample = 60000;
N_test=10000;
XTrain = zeros(28,28,1,N_sample);
YTrain=zeros(N_sample,1);

% Please dowload the MNIST data set from http://yann.lecun.com/exdb/mnist/
% and unzip.
fidimg1=fopen('train-images.idx3-ubyte','rb');
fidimg2=fopen('train-labels.idx1-ubyte','rb');      

[img,count]=fread(fidimg1,16);   % table head
[imgInd,count1]=fread(fidimg2,8);   %table head
for k=1:N_sample    
    [im,~]=fread(fidimg1,[28,28]);
    ind=fread(fidimg2,1);
    XTrain(:,:,1,k)=im';
    YTrain(k)=ind;
end
fclose(fidimg1);
fclose(fidimg2);
YTrain=categorical(YTrain);

XTest = zeros(28,28,1,N_test);
YTest=zeros(N_test,1);
fidimg1=fopen('t10k-images.idx3-ubyte','rb');
fidimg2=fopen('t10k-labels.idx1-ubyte','rb');

[img,count]=fread(fidimg1,16);
[imgInd,count1]=fread(fidimg2,8);
for k=1:N_test    
    [im,~]=fread(fidimg1,[28,28]);
    ind=fread(fidimg2,1);
    XTest(:,:,1,k)=im';
    YTest(k)=ind;
end
fclose(fidimg1);
fclose(fidimg2);
YTest=categorical(YTest);

imageAugmenter = imageDataAugmenter( ...
    'RandRotation',[-20,20], ...
    'RandXTranslation',[-3 3], ...
    'RandYTranslation',[-3 3])
imageSize = [28 28 1];
augimds = augmentedImageDatastore(imageSize,XTrain,YTrain,'DataAugmentation',imageAugmenter);

layers=[imageInputLayer([28 28 1],'Name','input')
        convolution2dLayer(3,6,'Padding','same')
        reluLayer
        batchNormalizationLayer
        maxPooling2dLayer(2,'Stride',2)
        convolution2dLayer(3,16)
        reluLayer
        batchNormalizationLayer
        maxPooling2dLayer(2,'Stride',2)
        fullyConnectedLayer(120,'name','f1')
        reluLayer
        fullyConnectedLayer(84,'name','f2')
        reluLayer
        fullyConnectedLayer(10,'name','f3')
        softmaxLayer
        classificationLayer];

options = trainingOptions('adam','MaxEpochs',25,'LearnRateSchedule' ,'piecewise','LearnRateDropPeriod',15,'LearnRateDropFactor' ,0.1);
tic;
net = trainNetwork(augimds,layers,options);
toc;
YPred = classify(net,XTest);
accuracy = sum(YTest==YPred)/numel(YTest)

    在mathworks网站也刚上传了一个，两者基本一致。mathworks
    下面是一个截图。

    附注：
    这几天用matlab的help里面DAGNetwork的例程中的net试了一下，20个epoch达到99.4%以上的准确率也是很容易的。网络结构如下：