如果需要的话，运行这些命令来获取下载，连接到网络摄像头，并获得预先训练的神经网络。

摄像头=网络摄像头;连接摄像头Net = alexnet;加载神经网络

如果需要安装网络摄像头而且alexnet加载项时，每个功能都会显示一条消息，并提供一个链接，帮助您使用加载项资源管理器下载免费的加载项。另外,看到深度学习工具箱模型为AlexNet网络而且MATLAB万博1manbetxUSB网络摄像头支持包．

在安装深度学习工具箱™模型之后为AlexNet网络，你可以用它来分类图像。AlexNet是一个经过预先训练的卷积神经网络(CNN)，它已经对超过100万张图像进行了训练，可以将图像分为1000个对象类别(例如，键盘、鼠标、咖啡杯、铅笔和许多动物)。

运行以下代码来显示和分类实时图像。把摄像头对准一个物体，神经网络就会报告它认为摄像头显示的是什么类型的物体。它会一直分类图像，直到你按下Ctrl+C．该代码为使用的网络调整图像的大小imresize．

而True im =快照(相机);%拍张照片图像(im);%显示图片Im = imresize(Im，[227 227]);为alexnet调整图片的大小标签=分类(网，im);%将图片分类标题(char(标签));显示类标签drawnow结束

在这个例子中，网络正确地对咖啡杯进行了分类。用你周围的物体做实验，看看这个网络有多精确。

要观看此示例的视频，请参见11行MATLAB代码中的深度学习．

要了解如何扩展此示例并显示类的概率得分，请参见使用深度学习对网络摄像头图像进行分类．

对于深度学习的下一步，您可以将预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快速启动深度学习而且使用从预训练网络中提取的特征的训练分类器．要尝试其他预先训练的网络，请参见预训练深度神经网络．