用于图像分类的SqueezeNet预训练模型是R2020a深度学习工具箱的一部分，不需要单独安装。如果你使用的是R2020a版本的深度学习工具箱，你可以在命令行中输入' squeezenet '或直接访问模型，而无需从深度网络设计器应用程序安装。

如果你使用的是R2018a到R2019b，你需要下载并安装这个支持包。金宝app

SqueezeNet是一个经过ImageNet数据库子集训练的预训练模型。该模型训练了超过100万张图像，并可以将图像分为1000个对象类别(例如键盘、鼠标、铅笔和许多动物)。
打开squeezenet。mlpkginstall文件，从您的操作系统或MATLAB将启动安装过程，您有。

这个mlpkginstall文件适用于R2018a和更高版本。

使用的例子:

网= squeezenet ()
网。层
情节(净)

读取要分类的图像
I = imread(“peppers.png”);

%裁剪图像到网络的输入大小
深圳= net.Layers (1) .InputSize
I = I(100:sz(1)+99, 100:sz(2)+99, 1:sz(3));

%使用SqueezeNet对图像进行分类
分类(净额，I)

%显示图像和分类结果
数字
imshow(我)
text(10,20, char(label)， 'Color'， 'white')