1、下载MatConvNet: CNNs for MATLAB
http://www.vlfeat.org/matconvnet/download/matconvnet-1.0-beta25.tar.gz
2、examples/mnist/cnn_mnist_init.m
这里面是手写字体网络层结构设计的代码,详细解释参考博客:MatConvNet中mnist源码解析_深度学习思考者-CSDN博客_matconvnet mnist
3、运行 如下代码编译MatConvNet
addpath '../../matlab/';
vl_compilenn ;
vl_setupnn ;
4、cnn_mnist_init
此时生成训练的网络层结构
5、运行cnn_mnist 开始训练
训练之前会下载手写字体数据集
如果无法下载的可通过百度云下载
链接:https://pan.baidu.com/s/1roy-whetBRhVGfbrU70H7w
提取码:qoul
下载后放在如下位置路径即可
6、训练
训练结果也存放在data路径下
7、检测
新建matconvnettest.m
clear all
% Setup MatConvNet.
addpath '../../matlab/';
vl_compilenn ;
vl_setupnn ;
% 加载数据集.
load('D:/Codes/MATLAB2014/Mycode/matconvnettest/matconvnet-1.0-beta25/data/mnist-baseline-simplenn/imdb.mat');
% 加载预训练模型(就是我们刚刚训练的结果)
load('D:/Codes/MATLAB2014/Mycode/matconvnettest/matconvnet-1.0-beta25/data/mnist-baseline-simplenn/net-epoch-20.mat') ;
% 将最后一层改为 softmax (原始为softmaxloss,这是训练用)
net.layers{1, end}.type = 'softmax';
% 设置默认参数
% net = vl_simplenn_tidy(net) ;
% 获取图像
im = imread('4.png') ;
% 灰度化
im = rgb2gray(im);
% 反转图像,训练图像为黑底白字,测试图像为白底黑字,所以需要反转一下
im = 255-im;
im_ = single(im) ; % note: 255 range
% 输入默认大小为28*28
im_ = imresize(im_, [28 28]) ;
% 减去均值
im_ = im_ - images.data_mean;
% Run the CNN.
res = vl_simplenn(net, im_);
% Show the classification result.
scores = squeeze(gather(res(end).x)) ;
[bestScore, best] = max(scores);
figure(1) ; clf ;
%imagesc(im) ;
imshow(im,[]);
title(sprintf('%d, score %.3f',...
best-1, bestScore)) ;
运行matconvnettest.m
8、结果