深度学习FPGA实现基础知识8(Deep Learning（深度学习）Matlab实现--简单清晰的实验)

需求说明：深度学习FPGA实现知识储备

来自：https://zhuanlan.zhihu.com/p/20944764

Deep Learning with MATLAB（懒人版）

话说俄罗斯来的myc虽然是搞Computer Vision的，但是在上学的时候从来没有接触过Neural Network，更别说Deep Learning了。在他求职的时候，Deep Learning才刚开始进入人们的视线。

然而现在如果你有幸被myc面试，他会问你这个问题

Deep Learning为什么要叫Deep Learning？和普通的Machine Learning有什么区别？

如果你答不上来，没关系，因为作为工程师，我们只要知道怎么在MATLAB里使用就可以了（并不是为了展示Deep Learning对Computer Vision有多么深远的影响，myc为我们准备了下面的一个小demo.

如何让程序识别图中有什么东西？

反正MATLAB是这么做的

1. 首先你得有Neural Network Toolbox
2. 如果你有Computer Vision System Toolbox就更好了，这里我们用他提供的
   

3. helperImportMatConvNet
   

来帮助我们导入一个Neural Network.

3. 你得有个支持CUDA的GPU

我们首先不要脸地下载大牛们训练好的网络，AlexNet是通过ImageNet提供的1000种不同的物体的图片训练出的网络，换言之，他认识这1000种东西，超出这个范围就不认识了

cnnURL = 'http://www.vlfeat.org/matconvnet/models/beta16/imagenet-caffe-alex.mat';
% Store CNN model in a temporary folder
cnnMatFile = fullfile(tempdir, 'imagenet-caffe-alex.mat');
if ~exist(cnnMatFile, 'file') % download only once
    disp('Downloading pre-trained CNN model...');
    websave(cnnMatFile, cnnURL);
end

接下来导入到MATLAB中

convnet = helperImportMatConvNet(cnnMatFile)

读入我们的图片

I = imread('sherlock.jpg');

AlexNet模型需要图片是227x227x3的彩图

I = imresize(I,[227,227]);

激活最后一个分类Layer

category = activations(convnet,I,’classificationLayer‘);

找到概率最大的类

[~,idx] = max(category);

看看是啥

convnet.Layers(end).ClassNames{idx}

ans = 

’n02099712‘

回到ImageNet看看这是哪个类别

原来是拉布拉多，神奇吧！最重要的是，全程都很无脑有没有？

老板：不错啊myc，这么快就把狗给识别出来了
myc：哪里哪里，借用了别人的成果而已
老板：其实吧，这只狗是金毛
myc：……
老板：没事，其实人也经常弄错，再接再厉！
myc：……怪我咯

整理来自：时间的诗

        </div>
            </div>