要连接到网络摄像头并加载预磨验证的AlexNet网络：

Camera =网络摄像头;％连接到相机net = alexnet;％加载神经网络

如果您需要安装网络摄像头和AlexNet加载项，则会显示一条消息，其中包含一个链接，以帮助您使用附加资源管理器下载免费的加载项。或者，参见深度学习工具箱模型对于AlexNet网络和马铃薯草万博1manbetxUSB网络摄像头支持包有关安装说明。

安装AlexNet网络的Dee Learning Toolbox™型号后，您可以使用它来对图像进行分类。AlexNet是一个普拉尔覆盖的卷积神经网络（CNN），它已经在超过一百万个图像上培训，并且可以将图像分类为1000个对象类别，例如键盘，鼠标，杯子，铅笔等。

要将接口设置为目标板，请创建工作流对象，并将网络部署到目标板：

ht = dlhdl.target（'Xilinx'）;hw = dlhdl.workflow（'网络'，网，'比特流'那'zcu102_single'那'目标'，H T）;hw.deploy;

显示和分类实时图像：

尽管真正的im =快照（相机）;％拍照图像（IM）;％显示图片IM = IMResize（IM，[227 227]）;％为alexnet调整图片大小[预测，速度] = HW.PREDICT（单（IM），'轮廓'那'在'）;[val，Idx] = max（预测）;label = net.layers（结束）.classnames {idx};％分类图像标题（炭（标签））;％显示类标签drawn结尾

指向对象的网络摄像头。预先训练的深度学习网络报告它认为网络摄像头显示的对象是显示的，在键之前进行分类图像Ctrl.+C。代码通过使用通过使用调整网络的图像的大小imresize。

例如，网络正确分类咖啡杯。在周围环境中的物体进行实验，看看网络的准确性。

对于下一步，请参阅深度学习FPGA解决方案。