MATLAB 深度学习 CNN 函数：卷积层、激活层、池化层等

在 MATLAB 中，用于构建深度学习卷积神经网络 (CNN) 的函数是 'convolution2dLayer'。该函数用于创建卷积层，它采用以下语法：

layer = convolution2dLayer(filterSize, numFilters)

其中，'filterSize' 是一个表示卷积核大小的二元素数组，例如 '[3, 3]' 表示卷积核大小为 3x3。'numFilters' 表示卷积层输出的通道数，也就是卷积核的个数。

除了 'convolution2dLayer' 函数，还有其他用于构建 CNN 的函数，例如：

• 'reluLayer'：用于创建 ReLU (Rectified Linear Unit) 激活层。
• 'maxPooling2dLayer'：用于创建最大池化层，用于下采样特征图。
• 'fullyConnectedLayer'：用于创建全连接层，将特征图转换为向量进行分类。
• 'softmaxLayer'：用于创建 softmax 层，用于多类别分类。
• 'classificationLayer'：用于创建分类层，用于指定网络的输出类型。

这些函数可以结合使用来构建具有不同层类型和结构的 CNN 模型。