没有合适的资源?快使用搜索试试~ 我知道了~
MATLAB 深度学习示例
需积分: 50 125 下载量 199 浏览量
2019-02-22
20:43:12
上传
评论 5
收藏 25.22MB PDF 举报
温馨提示
试读
33页
MATLAB 深度学习实用示例cn-deep-learning-practical-examples-ebook
资源推荐
资源详情
资源评论
MATLAB 深度学习实用示例
3 | MATLAB 深度学习实用示例
在本例中,我们需要一个训练
卷积神经网络
(CNN) 来识别手写数字。•
我们将使用 MNIST
数据集
中的数据。该数据集包含 60,000 个 0–9
的手写数字图像。下面是 MNIST 数据集中的 25 个手写数字随机样本:
实用示例 1:从头开始训练模型
使用简单的数据集,即可涵盖深度学习工作流程的所有关键步骤,无需•
再人工介入处理各种难题,例如处理能力或因太大而无法存入内存的数
据集。此处介绍的工作流程可应用于更复杂的深度学习问题和更大的数
据集。
如果您刚刚开始运用深度学习,那么使用此数据集的另一项优势便是不
必购买昂贵的 GPU 即可训练该数据集。
尽管数据集很简单,但只要采用正确的深度学习模型和训练方案,便可以
实现超过 99% 的准确率。那么,我们应如何创建模型,才能达到这样的准
确率呢?
这将是一个迭代的过程,我们要利用以前的训练结果找出解决训练问题
的方法。步骤如下所述:
DONECHECK ACCURACYTRAIN NETWORK
CONFIGURE
NETWORK LAYERS
ACCESS DATA
4 | MATLAB 深度学习实用示例
我们可以通过在命令窗口中输入 whos,检查数据的大小和类。
MNIST 图像很小,只有 28 x 28 像素,总共有 60,000 个训练图像。
下一项任务是图像标注,但因为 MNIST 图像自带标签,所以我们可以跳
过这一冗长的步骤,转而迅速构建我们的神经网络。
1.访问数据
首 先 ,将 MNIST 图像集下载到 MATLAB
®
。数据集以很多不同的文件类•
型来存储。此数据存储为二进制文件,方便 MATLAB 迅速使用和重构为•
图像。
以下代码行将读取二进制原文件并创建包含所有训练图像的阵列:
rawImgDataTrain = uint8 (fread(d, numImg * numRows * numCols,...
'uint8'));
% 将数据部分重构为 4D 阵列
rawImgDataTrain = reshape(rawImgDataTrain, [numRows, numCols,...
numImgs]);
imgDataTrain(:,:,1,ii) = uint8(rawImgDataTrain(:,:,ii));
>> whos imgDataTrain
Name Size Bytes Class
imgDataTrain 28x28x1x60000 47040000 uint8
5 | MATLAB 深度学习实用示例
我们将构建一个卷积神经网络,这是最常见的深度学习网络。
关于卷积神经网络(CNN)
CNN 将一张图前向传输通过网络,然后输出一个最终的分类结果。网络可以有几十层或•
几百层构成,每一层都学习检测不同的特征。滤波器会以不同分辨率应用到各个训练图像,•
且每个卷积图像的输出会用作下一层的输入。滤波器最初可以是非常简单的特征,例如亮•
度和边缘,然后增加复杂度,随着层数的增加,直至可以唯一地确定目标特征。
了解更多
卷积神经网络是什么?•
4:44
从零开始构建网络时,宜采用常用层简单组合的形式,降低复杂度将使调
试更方便,但我们可能需要添加一些层来达到所需要的准确率。
2.创建和配置网络层
常用网络层
卷积层将输入图像放进一组卷积滤波器,每个滤波器激活图像中的某些特征。
ReLU 层通过将负值映射到零和保持正数值,实现更快、更高效的训练。
池化层通过执行非线性下采样,减少网络需要学习的参数个数,从而简化输出。
全连接层将网络 2D 空间特征“扁平化”为 1D 矢量,为分类目的而表示图像级特征。
Softmax 层为数据集中的每个类别提供概率。
layers = [ imageInputLayer([28 28 1])
convolution2dLayer(5,20)
reluLayer
maxPooling2dLayer(2, 'Stride', 2)
fullyConnectedLayer(10)
softmaxLayer
classicationLayer() ]
剩余32页未读,继续阅读
资源评论
哈利波特雨花石
- 粉丝: 0
- 资源: 5
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功