matlab cnn 实例,Deep Learning学习 之 CNN代码解析（MATLAB）(示例代码)

MATLAB实现CNN一般会用到deepLearnToolbox-master。但是根据Git上面的说明，现在已经停止更新了，而且有很多功能也不太能够支持，具体的请大家自习看一看Git中的README。

deepLearnToolbox-master是一个深度学习matlab包，里面含有很多机器学习算法，如卷积神经网络CNN，深度信念网络DBN，自动编码AutoEncoder(堆栈SAE，卷积CAE)的作者是 Rasmus Berg Palm ([email protected])

代码下载：https://github.com/rasmusbergpalm/DeepLearnToolbox

这里我们介绍deepLearnToolbox-master中的CNN部分。

函数

调用关系为：

该模型使用了mnist的数字mnist_uint8.mat作为训练样本，作为CNN的一个使用样例，每个样本特征为一个28×28=的向量。

网络结构为：

Test_example_CNN

Test_example_CNN:

1设置CNN的基本参数规格，如卷积、降采样层的数量，卷积核的大小、降采样的降幅

2 cnnsetup函数 初始化卷积核、偏置等

3 cnntrain函数 训练cnn，把训练数据分成batch，然后调用

3.1cnnff 完成训练的前向过程

3.2 cnnbp计算并传递神经网络的error，并计算梯度(权重的修改量)

3.3 cnnapplygrads 把计算出来的梯度加到原始模型上去

4 cnntest 函数，测试当前模型的准确率

该模型采用的数据为mnist_uint8.mat，含有70000个手写数字样本其中60000作为训练样本，10000作为测试样本。

把数据转成相应的格式，并归一化。

load mnist_uint8;

train_x = double(reshape(traub.x‘,28,28,60000))/255;

test_x = double(reshape(test_x‘,28,28,10000))/255;

train_y = double(train_y‘);

test_y = double(test_y‘);

设置网络结构及训练参数

%% ex1 Train a 6c-2s-12c-2s Convolutional neural network

%% will run 1 epoch in about 200 second and get around 11% error

%% with 100 epochs you‘ will get around 1.2% error

rand(‘state‘,0);

cnn.layers = {

struct(‘type‘,‘i‘) %input layer

struct(‘type‘,‘c‘,‘outputmaps‘,6,‘kernelsize‘,5) % convolution layer

struct(‘type‘,‘s‘,‘scale‘,2) %sub sampling layer

struct(‘type‘,‘c‘,‘outputmaps‘,12,‘kernelsize‘,5) % convolutional layer

struct(‘type‘,‘s‘,‘scale‘,2) % sub sampling layer

%% 训练选项，alpha学习效率(不用)，batchsiaze批训练总样本的数量，numepoches迭代次数

opts.alpha = 1;

opts.batchsize = 50;

opts.numepochs = 1;

初始化网络，对数据进行批训练，验证模型准确率。

cnn = cmmsetup(cnn, train_x, train_y);

cnn = cnntrain(cnn, train_x, train_y, opts);

[er, bad] = cnntest(cnn,