负载净化网络

加载预先训练好的GoogLeNet网络。您还可以选择加载一个不同的预先训练的网络来进行图像分类。这一步需要深度学习工具箱™模型GoogLeNet网络万博1manbetx支持包。如果您没有安装所需的支持包，那么该软件将提供下载链接。万博1manbetx

网= googlenet;

读取并调整图像大小

您要分类的图像必须具有与网络的输入大小相同的大小。对于Googlenet，网络输入大小是输入图像输入层的属性。

读取要分类的图像，并将其调整为网络的输入大小。这个大小调整稍微改变了图像的宽高比。

我= imread (“peppers.png”）;inputSize = net.Layers (1) .InputSize;我= imresize(我inputSize (1:2));

图像分类与显示

用预测标签对图像进行分类和显示。

标签=分类（网络，i）;图imshow（i）标题（字符串（标签））

有关如何显示top预测及其相关概率的更详细示例，请参见使用GoogLeNet分类图像．

对于深度学习的下一步，您可以将预先训练的网络用于其他任务。用迁移学习或特征提取解决图像数据的新分类问题。有关示例,请参见使用迁移学习更快地开始深度学习和使用从佩带的网络中提取的功能进行火车分类器．要尝试其他预磨普雷网络，请参阅普里德深度神经网络．

参考