matlabalexnet图像识别代码-neural-finetuning:使用神经激活数据微调卷积神经网络

matlab alexnet图像识别代码（状态：正在积极开发中。用于在CIFAR10，CIFAR100和SVHN数据集上测试rdm损失微调的新代码即将发布） 使用神经激活数据微调卷积神经网络 这项工作着眼于使用从视觉皮层获得的神经激活数据同时伴随相应的图像刺激来改善现有卷积神经网络的方法。 分析证明了类间/对象表示差异的重要性，这成为引入RDM损耗微调的动机，可以用来提高浅*（并非完全正确用法）CNN架构的泛化能力。 目录 卡迪厄数据集 数据集由属于7类和49种对象类型的图像组成，具有各种背景条件和对象位置。 七个类标签为： 动物 汽车 椅子 面Kong 水果 飞机 桌子 图像路径以使得属于特定对象类型的图像在一起的顺序排列。 数据集中每个对象有40张图像，因此图像[1-40]属于对象1，图像[41-80]属于对象2，依此类推。 设置 系统配置 该项目是使用以下配置构建的： Ubuntu 16.04 CUDA 10.0 CUDNN 7.4 Python 3.7 火炬1.1 尽管未经测试，但对于大多数合理偏差的配置，仍可以预期该项目可以立即使用。 环境设定 使用提供的environmen