卷积神经网络CNN代码解析-matlab.zip_CNN matlab_CNN matlab代码_CNN代码matlab_I

卷积神经网络 CNN 代码解析

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

(rasmusbergpalm@gmail.com)

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

让我们来看看各个函数：

三、cnntrain.m....................................................................................................................................................................5

四、cnnff.m ........................................................................................................................................................................6

六、cnntest.m ...................................................................................................................................................................11

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

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。

设置网络结构及训练参数

初始化网络，对数据进行批训练，验证模型准确率

该函数你用于初始化 CNN 的参数。

设置各层的 mapsize 大小，

初始化卷积层的卷积核、bias

尾部单层感知机的参数设置

*

fan_in = numInputmaps * net.layers{l}.kernelsize ^ 2;

fin =1*25 or 6*25

fout=1*6*25 or 6*12*25

net.layers{l}.k{i}{j} = (rand(net.layers{l}.kernelsize) - 0.5) * 2 * sqrt(6 / (fan_in + fan_out));

1 卷积降采样的参数初始化

2 尾部单层感知机的参数（权重和偏量）设置：

该函数用于训练 CNN。

生成随机序列，每次选取一个 batch（50）个样本进行训练。

批训练：计算 50 个随机样本的梯度，求和之后一次性更新到模型权重中。

在批训练过程中调用：