Matlab卷积神经网络（CNN）手写数字识别（一）

今天买的书到了，开始接触卷积神经网络，展示书中内容~

机器学习的基本流程

在机器学习中，一般将数据集划分为两大部分：一部分用于模型训练，称作训练集(Train Set)；另一部分用于模型泛化能力评估,称作测试集(Test Set)。在模型训练阶段会将训练集再次划分为两部分，一部分用于模型的训练，而另外一部分用于交叉验证，称作验证集(Validation Set)。如图所示。

加载Matlab自带数据集

Matlab 2022b自带手写数据集,其中包含0~9十种手写数字，分别以数字0 ~ 9命名的文件夹中，每个文件夹中有1000幅图像。保存路径如图所示。（版本不同，路径可能有所不同，也可在网上下载数据集。）

1. 使用imageDatastore（）函数加载数据
   语法1
   imds = imageDatastore(location)
   输入：location表示图像样本存储为可供训练和验证的数据。
   输出：imds表示可供训练和验证的数据
   语法2
   imds = imageDatastore(location,Name,Value)
   可以通过指定“名称-取值”对(Name和Value)来配置特定属性(将每种属性名称括在单引号中)具体含义见表。

名称	含义
IncludeSubfolders	子文件夹包含标志位。指定true表示可包含每个文件夹中的所有文件和子文件夹,指定 false则表示仅包含每个文件夹中的文件
LabelSource	提供标签数据的源。如果指定为’none’,则Labels属性为空;如果指定了’foldernames’, 将根据文件夹名称分配标签并存储在Labels属性中

• 创建路径

filename='D:\Program Files\MATLAB\R2022b\toolbox\nnet\nndemos\nndatasets\DigitDataset';

• 将该路径下的图像转化为可用的训练及验证数据集

imds=imageDatastore(filename,...
    "IncludeSubfolders",true,...%包括路径下的所有文件和子文件
    "LabelSource","foldernames");%将文件夹的名称作为标签

• 随机显示数据集图像

perm=randperm(10000,16);
for i=1:16
    subplot(4,4,i);
    imshow(imds.Files{perm(i)});
    title(imds.Labels(perm(i)));
end

• 结果
  
  加载成功~