1.花数据集简介下载与准备
2.matlab搭建模型
3.matlab软件的操作过程：
（1）界面操作
（2）深度学习设计器使用
（3）图像数据导入
（4）训练可视化

一、花数据集简介下载与准备

数据集下载和简介可以参考之前文章，有链接，原文章截图如下
截图链接https://blog.csdn.net/qq_55433305/article/details/127743714

本文章只取两个类别进行训练，选了雏菊和蒲公英。

1.创建一个文件夹-练习，文件夹里包含train和test文件夹,每个子文件里面分别放雏菊和蒲公英图片。

其中训练集train里雏菊570张图片，蒲公英809张。

测试集test里雏菊63张，蒲公英89

.

二、matlab搭建模型

1.理论模型理解，之前有文章介绍模型，如果不清楚可以点下链接转过去学习
卷积神经网络CNN里经典网络模型之 AlexNet全网最详解（理论篇）

2.matlab模型
在matlab里APP里有个深度网络设计器有现成AlexNet模型,可直接下载。当然如果你不下载可在我网盘下载导入使用

下面是模型参数，在分析里查看。第三部分有步骤。

matlab的AlexNet网络链接：https://pan.baidu.com/s/1qjh79KfYoPHMWGKbT-OdtA
提取码：22el
下载后放在练习文件夹

三、matlab2022a软件的操作过程

1.打开软件切换到练习文件夹

2.导入下载的模型文件到工作区

双击文件

3.打卡APP里深度网络设计器，导入加载的网络，从工作区添加

点确定显示

这就相当于导入成功

如果你想自己搭建，可在官网查看每个部分解释和使用
https://ww2.mathworks.cn/help/deeplearning/ug/list-of-deep-learning-layers.html

4.修改模型参数

放大

修改fc8参数，改为2，意思是两分类，原10类

删除后两个，并从网络层库添加。

5.分析查看错误

6.点数据，导入数据，导入存储数据

导入

7.训练

训练选项参数设置

**优化器sgdm
学习率0.0001
验证21
迭代次数30
小批量64
训练工具gpu
关闭
**

训练

8.训练完毕

准确度95.39

9.保存训练数据、图和代码

网络和结果：工作区多两个文件

保存保存到当前文件夹，记得命名

生存代码

保点m文件，方便下次直接训练。

10.随机用图图预测判别分类
从test选取一张图片

%读入图片
i=imread('E:\桌面\matlab\练习\test\daisy\62.jpg');

%调整图片大小
j = imresize(i,[227,227]);  %imresize函数修改图片像素尺寸[]中的内容是想要的像素的长和宽

%显示图片
figure,imshow(j);

%预测
 classify(trainedNetwork_1,j)