预先训练的AlexNet网络模型用于图像分类
预先训练的GoogLeNet网络模型用于图像分类
预先训练的Resnet-50网络模型用于图像分类
在MATLAB中导入和导出ONNX™模型，以与其他深度学习框架互操作
导入预训练的TensorFlow模型进行预测和迁移学习
预先训练的VGG-16网络模型用于图像分类
ResNet-18网络的神经网络工具箱模型
图像分类的预先训练的例外模型
预先训练的vgg19网络模型用于图像分类
预先训练的Resnet-101网络模型用于图像分类
用于图像分类的预训练的Inception-v3网络模型
用于图像分类的预先训练的MobileNet-v2模型
导入预先训练过的C万博1manbetxaffe模型的软件支持包
用于图像分类的预先训练的EfficientNet-b0模型
预先训练的DarkNet-19网络模型用于图像分类
预先训练的ShuffleNet图像分类模型
预先训练的DenseNet-201网络模型用于图像分类
用于图像分类的预训练的inction - resnet -v2网络模型
预先训练的nasnet -大型图像分类网络模型
预先训练的DarkNet-53网络模型用于图像分类
预先训练好的GoogLeNet网络在Places365数据集上进行图像分类训练
预先训练的NasNet-Mobile图像分类网络模型
图像分类的预先训练的SqueezeNet模型
可视化和分析深度学习网络
下载代码和观看视频系列学习和实现深度学习技术
readFunctionTrain(文件名)-这个功能简单地调整图像，以适应AlexNet
saveCIFAR10AsFolderOfImages (inputPath outputPath变长度输入宗量)- saveCIFAR10AsFolderOfImages将CIFAR-10数据集保存为图像文件夹
DownloadCIFAR10.m-运行此文件将下载CIFAR10，并将图像放入
使用迁移学习训练一个深度神经网络来分类5种不同类型的食物。
readFunctionTrain(文件名)-版权所有The MathWorks, Inc.
TransferLearningVideo.m-版权所有The MathWorks, Inc.
TransferLearningDetail.m-版权所有The MathWorks, Inc.
使用MATLAB®，一个简单的网络摄像头，以及一个用于识别周围物体的深度神经网络。
webcam_object_classification.m-版权所有2016 The MathWorks, Inc.
