你好。我的名字是加布里埃尔哈，我在这里向你展示如何MATLAB使得它可以直接从头创建一个深层神经网络。我们演示了具体应用到图像处理与识别，但我们感觉图像很容易涉及到。而且它的神经网络的一个相当知名的应用程序。最重要的是，我们要学习深所有人访问，你就可以得到的一切，我们向您展示，并建立您的手在他们头上，并开始使用你自己你自己的网络。

因此，对于那些你们谁是超级熟悉的培训网络，以技术一起，使其更加准确，MATLAB将是非常适合你，因为，正如你所期望的，我们为您提供了直观的语法和功能，让您轻松实现您的改进。对于那些新来的深度学习领域，并希望得到你的脚与此技术湿，什么你可以立即做的程度上可以被限制在图像识别，但我相信它会为你提供足够多的材料上手，有很多的乐趣与神经网络。

因此，这里就是我们打算做的。我们要培养网络识别四种不同的动物：猫，狗，青蛙和鹿。要做到这一点，我们要每个动物的图片介绍给我们的网络，定义我们的网络层，然后，用一个单一的代码行，告诉MATLAB训练和从头开始创建我们的网络。然后，我们将通过展示其新的图像，它以前没有见过测试我们的网络，并检查其准确性。

为了处理事情，我们要进入这个目录，并绘制每个动物的图像5000到单独的文件夹中。现在，如果你正在做数学题，这是20,000多张影像总数。而对于那些你们谁只是想尝试了这一点，你可能会想，“等一下，所以你指望我观看这部影片，然后去牧师20,000多张影像之前，我甚至可以开始了吗？”嗯，你可以，如果你想，或者你可以做到这一点，我们也走优势的工作包括已经完成。

在这种情况下，我们得到了我们所有的图像从可公开获得的CIFAR-10数据集，这真的只是需要下载和解压一个大的ZIP文件。所以，值得庆幸的是，设立这个演示只依赖于你的网络速度和处理器供电方面，分别。话虽这么说，培养一个从无到有的网络确实需要相当多的数据，所以总是找机会建立在这样的演示以前的工作。

让我们来看看核心代码需要执行我们的培训。你可以看到这部分，它指定的动物名称，然后这部分，指着MATLAB到包含训练数据的文件夹。并尽可能设置而言，仅此而已。

所以，现在我们要告诉MATLAB我们要如何深层网络的培训。每个神经网络具有一系列的层，它具有更多的层，更深层次的网络。现在，每个层取入数据从之前的层，转换成数据，然后将其传递。因此，第一层采用原始输入图像中，并通过我们获得了最后一层的时候，它会希望吐出动物的正确名称的原始形象。

因此，这里是我们选择来实现这个例子的层。对于那些完全不了解这个领域，你就不会被期望能够拿出从头所有这些层。在另一端，如果你是一个深度学习专家，我们为您提供的工具来实现精确的层。

但是，在这两种情况下，如果你想建立过这个例子，只是换成你自己的训练数据，调整图层，如果你觉得你能够胜任工作，并用一行代码，MATLAB会给你一个神经网络培训了任何你想要的，无论是动物还是你的朋友，这是完全没有，我没有在上班时间令人毛骨悚然的事情面孔。

所以，当然，它会需要一些时间来训练。如果你只是有CPU，它会需要一段时间，但如果你有一个邪恶的打扮出GPU喜欢这款机器，它需要大约45秒。一旦完成，我们可以继续测试我们的网络。

让我们先从基本超强。我们有一个测试组包含每个动物再次，方便地从CIFAR-10得到的1000图像。正如你所看到的，它的设置方式不尽相同目录明智作为训练集。但最重要的是，网络是没有经过培训的这些图像。

我们将用什么样的网络认为这是一起显示的图像。这是一个鹿。正确。这是一只狗。也是正确的。这是一只青蛙。网络还以为是一只猫。

我敢肯定，你得到什么的现在怎么回事，让我们加快这一进程。我们将有MATLAB运行这段代码，测试我们的测试集的所有图像。然后，它会告诉我们百分比明智的网络整体是如何做。并且这个数字，击鼓，请-约75％的准确率。哎，用于训练45秒，这不是太糟糕了。

作为一个警告，你会发现，CIFAR-10图像是非常小的，而我们网络的第一层，需要通过32 32由3图像，而我们的代码并调整图片的大小，你必须决定是否这是有道理的，你的数据。但是，如果你有一大堆要与神经网络图像分类的，这里是如何用MATLAB做到这一点，你可以马上开始。

单击说明下面的链接，得到的代码你的手，并检查了文档使用神经网络工具箱。不要犹豫，让我们提出问题或意见。和往常一样，感谢收看。

嘿，看看这个应用程序，加布里埃尔创建。我点它。

好家伙，这是令人毛骨悚然。