cnn程序 matlab

内含cnn的matlab程序，简单易懂，不到百行，混科研搞数据必备良代码。超低价甩卖。

# -*- coding: utf-8 -*-
“““
Created on Thu Aug 27 11:27:34 2015

@author: lab-liu.longpo
“““


from __future__ import absolute_import
from __future__ import print_function
from keras.models import Sequential
from keras.layers.core import Dense Dropout Activation Flatten
from keras.layers.convolutional import Convolution2D MaxPooling2D
from keras.optimizers import SGD Adadelta Adagrad
from keras.utils import np_utils generic_utils

import matplotlib.pyplot as plt
import numpy as np
import scipy.io as sio

d = sio.loadmat（‘data.mat‘）
data = d[‘d‘]
label = d[‘l‘]
data = np.reshape（data（5000033232））
label = np_utils.to_categorical（label 10）

print （‘finish loading data‘）

model = Sequential（）

model.add（Convolution2D（32 3 5 5 border_mode=‘valid‘）） 
model.add（Activation（‘relu‘））
#model.add（MaxPooling2D（poolsize=（2 2）））
model.add（Dropout（0.25））

model.add（Convolution2D（32 32 5 5 border_mode=‘valid‘）） 
model.add（Activation（‘relu‘））
model.add（MaxPooling2D（poolsize=（2 2）））
model.add（Dropout（0.25））

model.add（Convolution2D（64 32 3 3 border_mode=‘valid‘）） 
model.add（Activation（‘relu‘））
model.add（MaxPooling2D（poolsize=（2 2）））
model.add（Dropout（0.25））

model.add（Flatten（））
model.add（Dense（64*5*5 512 init=‘normal‘））
model.add（Activation（‘tanh‘））

model.add（Dense（512 10 init=‘normal‘））
model.add（Activation（‘softmax‘））

sgd = SGD（l2=0.001lr=0.0065 decay=1e-6 momentum=0.9 nesterov=True）
model.compile（loss=‘categorical_crossentropy‘ optimizer=sgdclass_mode=“categorical“）

#checkpointer = ModelCheckpoint（filepath=“weight.hdf5“verbose=1save_best_only=True）
#model.fit（data label batch_size=100nb_epoch=10shuffle=Trueverbose=1show_accuracy=Truevalidation_split=0.2callbacks=[checkpointer]）
result = model.fit（data label batch_size=50nb_epoch=35shuffle=Trueverbose=1show_accuracy=Truevalidation_split=0.2）
#model.save_weights（weightsaccuracy=False）

# plot the result

plt.figure
plt.plot（result.epochresult.history[‘acc‘]label=“acc“）
plt.plot（result.epochresult.history[‘val_acc‘]label=“val_acc“）
plt.scatter（result.epochresult.history[‘acc‘]marker=‘*‘）
plt.scatter（result.epochresult.history[‘val_acc‘]）
plt.legend（loc=‘under right‘）
plt.show（）

plt.figure
plt.plot（result.epochresult.history[‘loss‘]label=“loss“）
plt.plot（result.epochresult.history[‘val_loss‘]label=“val_loss“）
plt.scatter（result.epochresult.history[‘loss‘]marker=‘*‘）
plt.scatter（result.epochresult.history[‘val_loss‘]marker=‘*‘）
plt.legend（loc=‘upper right‘）
plt.show（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2517  2016-05-02 15:13  DeepLearning\CNN_cifar-10\cifar.py

     文件       2724  2016-05-02 15:13  DeepLearning\CNN_mnist\cnn.py

     文件        492  2016-05-02 15:13  DeepLearning\CNN_mnist\data.py

     文件        608  2016-05-02 15:13  DeepLearning\CNN_mnist\trainCNN.py

     文件       2647  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\display_network.m

     文件       1305  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\feedForwardAutoencoder.m

     文件        622  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\initializeParameters.m

     文件        811  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\loadMNISTImages.m

     文件        516  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\loadMNISTLabels.m

     文件       1589  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\softmaxCost.m

     文件        743  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\softmaxPredict.m

     文件       1891  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\softmaxTrain.m

     文件       4335  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\sparseAutoencoderCost.m

     文件       5243  2016-05-02 15:13  DeepLearning\UFLDL\stl_exercise\stlExercise.m

     文件       2018  2016-05-02 15:13  DeepLearning\UFLDL\Vectorization_sparseae_exercise\checkNumericalGradient.m

     文件       1228  2016-05-02 15:13  DeepLearning\UFLDL\Vectorization_sparseae_exercise\computeNumericalGradient.m

     文件       2647  2016-05-02 15:13  DeepLearning\UFLDL\Vectorization_sparseae_exercise\display_network.m

     文件        622  2016-05-02 15:13  DeepLearning\UFLDL\Vectorization_sparseae_exercise\initializeParameters.m

     目录          0  2018-06-29 20:01  DeepLearning\UFLDL\stl_exercise

     目录          0  2018-06-29 20:01  DeepLearning\UFLDL\Vectorization_sparseae_exercise

     目录          0  2018-06-29 20:01  DeepLearning\CNN_cifar-10

     目录          0  2018-06-29 20:01  DeepLearning\CNN_mnist

     目录          0  2018-06-29 20:01  DeepLearning\UFLDL

     目录          0  2018-06-29 20:01  DeepLearning

----------- ---------  ---------- -----  ----

                32558                    24