零基础学习simulink--使用 MATLAB 创建、训练和评估一个简单的深度学习模型-优快云博客

% 加载内置数据集
[data, labels] = digitTrain4DArrayData();

% 划分训练集和测试集
idx = randperm(size(data, 4));
data = data(:,:,:,idx);
labels = labels(idx);

trainData = data(:,:,:,1:2000);
trainLabels = labels(1:2000);

testData = data(:,:,:,2001:end);
testLabels = labels(2001:end);

2. 定义网络架构

接下来，定义一个简单的 CNN 架构。

matlab

深色版本

layers = [
    imageInputLayer([28 28 1])

    convolution2dLayer(3, 16, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer

    maxPooling2dLayer(2, 'Stride', 2)

    convolution2dLayer(3, 32, 'Padding', 'same')
    batchNormalizationLayer
    reluLayer

    maxPooling2dLayer(2, 'Stride', 2)

    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer
];

3. 设置训练选项

设置训练选项，包括优化器、最大迭代次数等。

matlab

深色版本

options = trainingOptions('adam', ...
    'MaxEpochs', 10, ...
    'MiniBatchSize', 128, ...
    'Plots', 'training-progress', ...
    'Verbose', false);

4. 训练模型

使用 trainNetwork 函数训练模型。

matlab

深色版本

net = trainNetwork(trainData, trainLabels, layers, options);

5. 评估模型

使用测试集评估模型的性能。

matlab

深色版本

YPred = classify(net, testData);
YTrue = testLabels;

accuracy = sum(YPred == YTrue) / numel(YTrue);
fprintf('Accuracy: %.2f%%\n', accuracy * 100);

进阶技巧

1. 数据增强

为了提高模型的泛化能力，可以使用数据增强技术。

matlab

深色版本

augimdsTrain = augmentedImageDatastore([28 28 1], trainData, 'ColorPreprocessing', 'gray2rgb');

2. 转移学习

使用预训练模型进行迁移学习。

matlab

深色版本

% 加载预训练模型
net = resnet50;

% 替换最后一层
lgraph = layerGraph(net);
newLayer = fullyConnectedLayer(10, 'Name', 'new_fc');
lgraph = replaceLayer(lgraph, 'fc1000', newLayer);

% 添加新的分类层
lgraph = addLayers(lgraph, classificationLayer('Name', 'new_classoutput'));
lgraph = connectLayers(lgraph, 'new_fc', 'new_classoutput');

% 训练模型
options = trainingOptions('sgdm', ...
    'MaxEpochs', 10, ...
    'MiniBatchSize', 128, ...
    'InitialLearnRate', 1e-4, ...
    'Shuffle', 'every-epoch', ...
    'Verbose', false, ...
    'Plots', 'training-progress');

net = trainNetwork(augimdsTrain, lgraph, options);

3. 模型优化

使用交叉验证和网格搜索来优化模型超参数。

matlab

深色版本

% 定义超参数范围
params = struct('InitialLearnRate', logspace(-3, -1, 3), ...
    'L2Regularization', linspace(0, 0.01, 3));

% 进行网格搜索
bestNet = bayesopt(@(params) trainAndValidate(params, trainData, trainLabels, testData, testLabels), params, ...
    'IsObjectiveDeterministic', true, ...
    'NumGridDivisions', 3, ...
    'AcquisitionFunctionName', 'expected-improvement-plus', ...
    'Verbose', 2);

% 训练最优模型
net = trainNetwork(trainData, trainLabels, layers, bestNet.Options);