用于图像分类的挤压预处理模型是R2020A中深度学习工具箱的一部分，不需要单独的安装。如果您使用的是R2020A版本的深度学习工具箱，则可以在命令行中键入“ Squeezenet”，也可以直接访问模型，而无需从Deep Network Designer应用程序中安装。

如果您使用R2018A至R2019B，则需要下载并安装此支持包。万博1manbetx

Squeezenet是一个验证的模型，已在Imagenet数据库的子集上进行了训练。该模型经过超过一百万张图像的培训，可以将图像分类为1000个对象类别（例如键盘，鼠标，铅笔和许多动物）。
从操作系统或MATLAB内部打开Squeezenet.mlpkginstall文件，将启动您拥有的版本的安装过程。

该mlpkginstall文件适用于R2018A及以后的文件。

用法示例：

net = squeezenet（）
net.layers
情节

％阅读图像进行分类
i = imread（'peppers.png'）;

％裁剪图像到网络的输入大小
sz = net.layers（1）.inputsize
i = i（100：sz（1）+99，100：sz（2）+99，1：sz（3））;

％使用Squeezenet对图像进行分类
标签=分类（net，i）

％显示图像和分类结果
数字
imshow（i）
文本（10，20，char（标签），“颜色”，“白色”）