要连接到网络摄像头并加载预训练的AlexNet网络：。

摄像头=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，将显示一条消息，其中包含一个链接，帮助您使用加载项资源管理器下载免费加载项。或者，请参见深度学习工具箱模型用于AlexNet网络和MATLAB万博1manbetxUSB网络摄像头支持包有关安装说明，请参阅。

安装深度学习工具箱后™ AlexNet网络模型，您可以使用它对图像进行分类。AlexNet是一个经过训练的卷积神经网络（CNN），它已经对超过一百万张图像进行了训练，可以将图像分类为1000个对象类别，如键盘、鼠标、杯子、铅笔等。

要设置与目标板的接口，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”,‘zcu102_单’,“目标”，hT）；硬件部署；

要显示和分类实时图像，请执行以下操作：

虽然真im=快照（照相机）；%拍照图像（im）；%展示图片im=imresize（im[227]）；%调整alexnet的图片大小[预测，速度]=硬件预测（单个（im），“个人资料”,“开”)；[val，idx]=max（预测）；label=net.Layers（end）.ClassNames{idx}；%对图像进行分类标题（字符（标签））；%显示类标签刷新屏幕终止

将网络摄像头指向一个对象。预训练的深度学习网络会报告它认为网络摄像头正在显示的对象的类别，并对图像进行分类，直到按下Ctrl键+C. 该代码使用调整大小.

例如，网络可以正确地对咖啡杯进行分类。用你周围的物体进行实验，看看网络有多精确。

有关后续步骤，请参阅深入学习FPGA解决方案.