MatConvNet：2.相关函数列表与功能介绍

原文链接：https://blog.csdn.net/qq_20259459/article/details/54293054
原博主博客地址：http://blog.csdn.net/qq_20259459
原作者邮箱（ jinweizhi93@gmai.com ）

下面是MatConvNet全部的函数列表和相关功能说明。一共分为四个大的部分：

1. Building block（建立模块）

这些函数实现CNN计算块，通过这些计算块你可以手动或使用自带的包装器（下面有）来组合你需要的CNN。

函数名 -—函数用途 ——中文说明
vl_nnbnorm ——Batch normalization.——批的正则化

vl_nnbilinearsampler ——Bilinear Samppler.—— 双线性采样器

vl_nnconv ——Linear convolution by a filter.——卷积层

vl_nnconcat ——Concatenation.——权值连接

vl_nnconvt ——Convolution transpose.——卷积转置

vl_nncrop ——Cropping.——图片size裁剪

vl_nndropout ——Dropout.——Dropout层

vl_nnloss ——Classification log-loss.——分类日志丢失

vl_nnnoffset ——Norm-dependent offset. ——标准相关偏移

vl_nnnormalize ——Local Response Normalization (LRN).——局部正则化

vl_nnpdist ——Pairwise distances.——成对距离

vl_nnpool ——Max and sum pooling.——最大池化和和值池化

vl_nnrelu ——Rectified Linear Unit.——整流线性单元

vl_nnroipool ——Reegion of interest pooling.——池化区域

vl_nnsigmoid ——Sigmoid.——Sigmoid激活函数

vl_nnsoftmax ——Channel soft-max.——soft-max函数

vl_nnsoftmaxloss ——Deprecated——弃用

vl_nnspnorm ——Spatial normalization.——空间正则化

2. SimpleCNN wrapper（简易CNN包装器）

SimpleNN是实现作为计算块的线性链的CNN的轻量包装器。

函数名 ——函数用途 ——中文说明
vl_simplenn ——A lightweight wrapper for CNNs with a linear topology.——一个针对CNN的具有线性拓扑的轻量级包装器

vl_simplenn_tidy ——Upgrade or otherwise fix a CNN. ——升级或修复CNN

vi_simplenn_display ——Print information about the CNN architecture. ——打印有关CNN体系结构的信息

vl_simplenn_move ——Move the CNN between CPU and GPU.——将CNN在CPU和GPU之间移动

3. DagNN wrapper （DagNN包装器）

DagNN是一个面向对象的包装器，支持更复杂的网络拓扑。

函数名 ——函数用途 ——中文解释
DagNN ——An object-oriented wrapper for CNN with complex topologies ——面向复杂拓扑的CNN的面向对象包装器

4. Other functions（其他函数）

这些帮助函数用于初始化和编译MatConvNet。

函数名 ——函数用途 ——中文解释
vl_argparse ——A helper function to parse optional arguments. ——用于解析可选参数的帮助函数

vl_compilenn ——Compile the MEX fields in the toolbox. ——在工具箱中编译MEX字段

vl_rootnn ——Return the path to the MatConvNet toolbox installation. ——工具箱安装的路径

vl_setpunn ——Setup MatConvNet for use in MATLAB. ——设置MatConvNet可以在MATLAB中使用

vl_imreadjpeg ——Quickly load a batch of JPEG images. ——快速加载一批JPEG图像

vl_taccum ——Accumulate tensors operating in-place when possible. ——在可能的情况下，收集在现操作的张量

vl_tmove ——Exchange tensors between MATLAB processes and GPUs. ——MATLAB进程和GPU之间的换算张量

总结：

训练功能不是固定的，因为训练取决于数据集和问题。 我们可以通过examples子目录下的相关CNN，了解如何训练CNN的代码。这样才能写出属于自己的CNN和训练自己的data。