手写体识别——MATLAB代码

MATLAB代码，里面包括代码运行的相关变量以及提供了下载数据的链接，可以通过代码直接下载数据，方便阅读。

%% Deep learning for classification on the MNIST dataset
% Copyright 2018 The MathWorks Inc.

%% Prepare the dataset
%准备数据集
% The MNIST dataset is a set of handwritten digits categorized 0-9 and is
% available at http://yann.lecun.com/exdb/mnist/.

%MNIST数据集是一组手写数字，分类为0-9，可以在http://yann.lecun.com/exdb/mnist/上找到。

% The following line will download （if necessary） and prepare the dataset
% to use in MATLAB.

%如有必要，下面的代码行将下载并准备好在MATLAB中使用的数据集。
[imgDataTrain labelsTrain imgDataTest labelsTest] = prepareData;

%% Let‘s look at a few of the images
%让我们看一些图片
% Randomize the images for display
%随机显示图像
warning off images:imshow:magnificationMustBeFitForDockedFigure
perm = randperm（numel（labelsTrain） 25）;
subset = imgDataTrain（::1perm）;
montage（subset）

%% How do we classify a digit?
%我们如何对数字进行分类?
% First we need a model - let‘s load one
load MNISTModel

% Predict the class of an image
%预测图像的类别
randIndx = randi（numel（labelsTest））;
img = imgDataTest（::1randIndx）;
actualLabel = labelsTest（randIndx）;

predictedLabel = net.classify（img）;
imshow（img）;
title（[‘Predicted: ‘ char（predictedLabel） ‘ Actual: ‘ char（actualLabel）]）

%% Need a starting point? Check the documentation!
%需要一个起点?检查文档!
% search “deep learning“
%搜索“深度学习”
web（fullfile（docroot ‘nnet/deep-learning-training-from-scratch.html‘））


%% Prepare the CNN
% One of the simplest possible convnets it contains one convolutional
% layer one ReLU one pooling layer and one fully connected layer
%一个最简单的卷积网络，它包含一个卷积层，一个ReLU，一个池化层，和一个完全连接的层
layers = [  imageInputlayer（[28 28 1]）
            convolution2dlayer（520）
            relulayer
            maxPooling2dlayer（2 ‘Stride‘ 2）
            fullyConnectedlayer（10）
            softmaxlayer
            classificationlayer（）   ]
        
%% Attempt 1: Set training options and train the network
%%尝试1:设置训练选项并训练网络
    
    miniBatchSize = 8192;
    options = trainingOptions（ ‘sgdm‘...
        ‘MiniBatchSize‘ miniBatchSize...
        ‘Plots‘ ‘training-progress‘）;

    net = trainNetwork（imgDataTrain labelsTrain layers options）;
    

%% Attempt 2: Change the learning rate
%尝试2:改变学习速度

    options = trainingOptions（ ‘sgdm‘...
        ‘MiniBatchSize‘ miniBatchSize...
        ‘Plots‘ ‘training-progress‘...
        ‘InitialLearnRate‘ 0.0001）;

    net = trainNetwork（imgDataTrain labelsTrain layers options）;

%% Attempt 3: Change the network architecture
%尝试3:更改网络架构
layers = [
    imageInputlayer（[28 28 1]）

    convolution2dlayer（316‘Padding‘1）
    batchNormalizationlayer
    relulayer

    maxPooling2dlayer（2‘Stride‘2）

    convolution2dlayer（332‘Padding‘1）
    batchNormalizationlayer
    relulayer

    maxPooling2dlayer（2‘Stride‘2）

    convolution2dlayer（364‘Padding‘1）
    batchNormalizationlayer
    relulayer

    fullyConnectedlayer（10）
    softmaxlayer
    classificationlayer];

    options = trainingOptions（ ‘sgdm‘

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

     文件        505  2018-05-02 10:43  Demo1_MNIST\letterW.png

     文件     211842  2018-05-02 10:43  Demo1_MNIST\MNISTModel.mat

     文件       3727  2019-04-24 11:25  Demo1_MNIST\MNIST_Classification_Demo.m

     文件     828512  2018-05-02 10:43  Demo1_MNIST\MNIST_Classification_Demo_Live.html

     文件     503833  2018-05-02 10:43  Demo1_MNIST\MNIST_Classification_Demo_Live.mlx

     文件       3508  2019-04-24 10:20  Demo1_MNIST\prepareData.m

     目录          0  2019-04-25 11:14  Demo1_MNIST

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

              1551927                    7