卷积神经网络cnn相关代码注释

卷积神经网络cnn相关代码注释

ID:1209075

大小:181.62 KB

页数:11页

时间:2017-11-08

卷积神经网络cnn相关代码注释_第1页
卷积神经网络cnn相关代码注释_第2页
卷积神经网络cnn相关代码注释_第3页
卷积神经网络cnn相关代码注释_第4页
卷积神经网络cnn相关代码注释_第5页
资源描述:

《卷积神经网络cnn相关代码注释》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、cnnexamples.m[plain] viewplaincopy1.clear all; close all; clc;  2.addpath('../data');  3.addpath('../util');  4.load mnist_uint8;  5.  6.train_x = double(reshape(train_x',28,28,60000))/255;  7.test_x = double(reshape(test_x',28,28,10000))/255;  8.train_y = double(train_y');  9.test_y = double(t

2、est_y');  10.  11.%% ex1   12.%will run 1 epoch in about 200 second and get around 11% error.   13.%With 100 epochs you'll get around 1.2% error  14.  15.cnn.layers = {  16.    struct('type', 'i') %input layer  17.    struct('type', 'c', 'outputmaps', 6, 'kernelsize', 5) %convolution layer  18.

3、    struct('type', 's', 'scale', 2) %sub sampling layer  19.    struct('type', 'c', 'outputmaps', 12, 'kernelsize', 5) %convolution layer  20.    struct('type', 's', 'scale', 2) %subsampling layer  21.};  22.  23.% 这里把cnn的设置给cnnsetup,它会据此构建一个完整的CNN网络,并返回  24.cnn = cnnsetup(cnn, train_x, train_y

4、);  25.  26.% 学习率  27.opts.alpha = 1;  28.% 每次挑出一个batchsize的batch来训练,也就是每用batchsize个样本就调整一次权值,而不是  29.% 把所有样本都输入了,计算所有样本的误差了才调整一次权值  30.opts.batchsize = 50;   31.% 训练次数,用同样的样本集。我训练的时候:  32.% 1的时候 11.41% error  33.% 5的时候 4.2% error  34.% 10的时候 2.73% error  35.opts.numepochs = 10;  36.  37.% 然后开始

5、把训练样本给它,开始训练这个CNN网络  1.cnn = cnntrain(cnn, train_x, train_y, opts);  2.  3.% 然后就用测试样本来测试  4.[er, bad] = cnntest(cnn, test_x, test_y);  5.  6.%plot mean squared error  7.plot(cnn.rL);  8.%show test error  9.disp([num2str(er*100) '% error']);  cnnsetup.m[plain] viewplaincopy1.function net = cnnse

6、tup(net, x, y)  2.    inputmaps = 1;  3.    % B=squeeze(A) 返回和矩阵A相同元素但所有单一维都移除的矩阵B,单一维是满足size(A,dim)=1的维。  4.    % train_x中图像的存放方式是三维的reshape(train_x',28,28,60000),前面两维表示图像的行与列,  5.    % 第三维就表示有多少个图像。这样squeeze(x(:, :, 1))就相当于取第一个图像样本后,再把第三维  6.    % 移除,就变成了28x28的矩阵,也就是得到一幅图像,再size一下就得到了训练样本图像的行

7、数与列数了  7.    mapsize = size(squeeze(x(:, :, 1)));  8.  9.    % 下面通过传入net这个结构体来逐层构建CNN网络  10.    % n = numel(A)返回数组A中元素个数  11.    % net.layers中有五个struct类型的元素,实际上就表示CNN共有五层,这里范围的是5  12.    for l = 1 : numel(net.layers)   %  layer  1

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。