目录
一、声明
此工具箱已过时,不再维护。
有比这个工具箱更好的深度学习工具,例如Theano,torch或tensorflow。
我建议您使用上面提到的工具之一,而不是使用此工具箱。
最好,拉斯穆斯。
DeepLearnToolbox
用于深度学习的 Matlab 工具箱。
二、工具箱文件目录说明
工具箱中包含的目录
NN/- 前馈反向传播神经网络库
CNN/- 卷积神经网络库
DBN/- 深度信念网络的库
SAE/- 堆叠式自动编码器库
CAE/- 卷积自动编码器库
util/- 库使用的实用程序函数
data/- 示例使用的数据
tests/- 单元测试以验证工具箱是否正常工作
三、设置(添加你的工具箱)
法一:在matlab命令行窗口输入
addpath(genpath('此处填写你下载的工具箱的路径'));
法二:
(1)打开MATLAB
(2)点击‘设置路径’如图
(3)选择你下载工具箱(解压后)存放的路径
四、实例下载
示例:深度信念网络
function test_example_DBN
load mnist_uint8;
train_x = double(train_x) / 255;
test_x = double(test_x) / 255;
train_y = double(train_y);
test_y = double(test_y);
%% ex1 train a 100 hidden unit RBM and visualize its weights
rand('state',0)
dbn.sizes = [100];
opts.numepochs = 1;
opts.batchsize = 100;
opts.momentum = 0;
opts.alpha = 1;
dbn = dbnsetup(dbn, train_x, opts);
dbn = dbntrain(dbn, train_x, opts);
figure; visualize(dbn.rbm{1}.W'); % Visualize the RBM weights
%% ex2 train a 100-100 hidden unit DBN and use its weights to initialize a NN
rand('state',0)
%train dbn
dbn.sizes = [100 100];
opts.numepochs = 1;
opts.batchsize = 100;
opts.momentum = 0;
opts.alpha = 1;
dbn = dbnsetup(dbn, train_x, opts);
dbn = dbntrain(dbn, train_x, opts);
%unfold dbn to nn
nn = dbnunfoldtonn(dbn, 10);
nn.activation_function = 'sigm';
%train nn
opts.numepochs = 1;
opts.batchsize = 100;
nn = nntrain(nn, train_x, train_y, opts);
[er, bad] = nntest(nn, test_x, test_y);
assert(er < 0.10, 'Too big error');
五、工具箱下载网址
路径一:DeepLearnToolbox-master: 深度学习工具箱 (gitee.com)
路径二:链接:https://pan.baidu.com/s/12gXDhuItivL2-MtuZpVJFA
提取码:9881