deep learning CNN

这一项目为实现卷积神经网络提供了 matlab 类。这个网络由 Yann LeCun 和已成功使用在许多实际应用中，例如 handwriten 数字识别、 人脸检测、 机器人导航和其他 （见参考更多的信息）。由于卷积网络一些建筑特点，如重量分享它是根本不可能实现它使用 Matlab 神经网络工具箱，而不用它的源代码修改。正是为什么几乎独立于神经网络工具箱 （即将很快就完全独立） 这类 wokrs。在此版本中显著的 improovement 是一种存在的 cudacnn mex 文件，这样可以加快培训约 44 次使用 NVidia 的 CUDA 技术。那麼就会需要一个 CUDA 能干的图形卡和 CUDA SDK （尤其是 cudart.dll 和 cublas.dll）。Cudacnn.mex 的来源不包括到目前为止，但我打算在将来做。目前，只有随机梯度支持 CUDA 培训，但粗麻布逼近打算也很快。此版本包括使用有线电视新闻网的 handwriten 数字识别的样本。如果你只是想试一试运行 cnet_tool。那麼就会看到一个简单的 GUI。它从 cnet.mat 加载 pretrained 卷积神经网络，并确认 gigit 在 painitg 地区痛苦或从 MNIST 数据库下载图像。如果你有兴趣在训练你应该打开 train_cnn.m，设置以下评论和开始学习由运行它的所有参数。以下是创建的任意卷积神经网络的行动序列：1.创建 cnn 对象。2.设置建筑 （层数、 重量、 训练参数等的数目）。3.调用 init 方法。4.如有必要，定义连接矩阵的图层。5.培训数据加载。6.培训数据进行预处理。7.开始训练。8.测试神经网络。