التعلم العميق · Deep Learning
تدريب CNN على DigitDataset
Train a CNN on DigitDataset
شبكة التفافية صغيرة لتصنيف أرقام 28×28 بـ trainnet.
digitPath = fullfile(matlabroot, 'toolbox', 'nnet', 'nndemos', 'nndatasets', 'DigitDataset');
imds = imageDatastore(digitPath, 'IncludeSubfolders', true, 'LabelSource', 'foldernames');
[imTrain, imVal] = splitEachLabel(imds, 0.8, 'randomized');
layers = [imageInputLayer([28 28 1])
convolution2dLayer(3, 16, 'Padding', 'same'); batchNormalizationLayer; reluLayer
maxPooling2dLayer(2, 'Stride', 2)
convolution2dLayer(3, 32, 'Padding', 'same'); batchNormalizationLayer; reluLayer
fullyConnectedLayer(10); softmaxLayer];
opts = trainingOptions('adam', 'MaxEpochs', 5, 'ValidationData', imVal, ...
'Metrics', 'accuracy', 'Plots', 'training-progress');
net = trainnet(imTrain, layers, 'crossentropy', opts);
scores = minibatchpredict(net, imVal);
acc = mean(scores2label(scores, categories(imTrain.Labels)) == imVal.Labels)شرح الخطوات
- DigitDataset مرفقة مع Deep Learning Toolbox (10000 صورة).
- طبقتا التفاف مع Batch Normalization وتجميع.
- trainnet من R2023b، وminibatchpredict وscores2label من R2024a.
المخرجات المتوقعة
نافذة تقدم التدريب بمنحنيي الخسارة والدقة، ثم قيمة acc لدقة التحقق. لم نشغّل الكود فلا نعرض رقماً.
لم يُشغّل في بيئة إعداد المكتبة لأنه يحتاج: Deep Learning Toolbox. المخرجات أدناه وصف لما يجب أن تراه، لا أرقام فعلية.
