mdCNN是卷积神经网络(CNN)的Matlab框架，支持1D、2D和3D内核。万博1manbetx
网络是多维的，核是三维的，卷积是三维的。它适用于体积输入，如CT / MRI /视频切片。但也可以处理1d/2d图像。
用户自定义支持所有主要功能万博1manbetx，如dropout, padding, stride, max pooling, L2正则化，动量，交叉熵/MSE, softmax，回归，分类和批量归一化层。
框架完全用Matlab编写，不需要依赖。当训练或测试所有的CPU核心都使用Matlab内置多线程时，它是非常优化的。
这里有几个例子用于训练MNIST上的网络，CIFAR10, 1D CNN, MNIST图像的自动编码器和3dMNIST (MNIST数据集到3D卷的特殊增强)。
MNIST Demo将下载数据集并开始训练过程。几分钟后就会达到99.2%。CIFAR10演示达到约80%，但需要更长的时间收敛。
对于3D卷，有一个演示文件，它将从MNIST数据集中的每个数字创建一个3D卷，然后开始在28x28x28样本上进行训练。它将达到类似的精度，在2d演示
该框架被用于对3D CT图像中的椎体进行分类的项目。
=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~
运行MNIST demo:进入“demo /MNIST”文件夹，运行“demo”。m的文件。经过15次迭代后，它将打开一个GUI，您可以在其中测试网络性能。此外，将显示第1层过滤器。
要运行MNIST3D演示:进入“demo / MNIST3D”文件夹，并运行“demost3d”。m的文件。
=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~=~
查看“mdCNN document .docx”文件，了解如何配置网络的更多规范
关于网络设计和培训的一般问题，请使用这个论坛
https://groups.google.com/forum/ !论坛/ mdcnn-multidimensional-cnn-library-in-matlab
如果您有其他问题，可以通过hagaygarty@gmail.com联系我
请使用Matlab 2016及以上版本
引用作为
Hagay Garty(2023)。hagaygarty / mdCNNGitHub (https://github.com/hagaygarty/mdCNN)。检索．
MATLAB版本兼容性
平台的兼容性
窗户 macOS Linux标签
演示/ 1 d
演示/ AutoEnc
演示/ CIFAR10
演示/ MNIST
演示/ MNIST3d
培训
mdCNN
utilCode
无法下载使用GitHub默认分支的版本
| 版本 | 发表 | 发布说明 | |
|---|---|---|---|
| 2.2.0.0 | 回归的支持万博1manbetx |
|
|
| 2.0.0.0之间 | 版本2，添加batchNorm/用户定义回归层 |
|
|
| 1.0.0.0 | 更新描述 |
|
您也可以从以下列表中选择一个网站: