MATLAB 中构建卷积神经网络 (CNN) 的 trainNetwork 函数

在 MATLAB 中，用于构建卷积神经网络 (CNN) 模型的函数是 'trainNetwork'。该函数使用深度学习工具箱中的神经网络模型来训练和构建 CNN。

'trainNetwork' 函数的语法如下：

net = trainNetwork(inputData, targetData, layers, options)

其中，'inputData' 是输入数据，'targetData' 是对应的目标数据（标签或输出），'layers' 是一个层数组，包含了网络的结构，'options' 是训练选项。

在 'layers' 中，可以使用各种函数来创建不同类型的层，例如：

• 'imageInputLayer'：用于创建输入图像层。
• 'convolution2dLayer'：用于创建卷积层。
• 'batchNormalizationLayer'：用于创建批归一化层。
• 'reluLayer'：用于创建 ReLU 激活层。
• 'maxPooling2dLayer'：用于创建最大池化层。
• 'dropoutLayer'：用于创建 Dropout 层。
• 'fullyConnectedLayer'：用于创建全连接层。
• 'softmaxLayer'：用于创建 softmax 层。
• 'classificationLayer'：用于创建分类层。

'options' 是一个结构体，用于设置训练选项，包括最大训练次数、学习率、学习率下降等。

通过调用 'trainNetwork' 函数并传入相应的参数，您可以构建和训练 CNN 模型，并将其赋值给变量 'net'，以便后续对测试数据进行预测或评估模型性能。