负荷预训练网络

加载预先训练好的GoogLeNet网络。你也可以选择加载不同的预训练网络进行图像分类。这一步需要深度学习工具箱™模型为GoogLeNet网络金宝app支持包。如果您没有安装所需的支持包，则该软件提供下载链接。金宝app

Net = googlenet;

读取和调整图像大小

要分类的图像必须与网络的输入大小相同。对于GoogLeNet，网络输入大小为InputSize属性的图像输入层。

读取要分类的图像，并将其调整为网络的输入大小。这种调整会略微改变图像的纵横比。

I = imread(“peppers.png”）;inputSize = net.Layers(1).InputSize;I = imresize(I,inputSize(1:2));

图像分类与显示

用预测的标签对图像进行分类和显示。

标签=分类(net,I);title(string(label))

有关如何显示顶部预测及其相关概率的更详细示例，请参见使用GoogLeNet分类图像．

对于深度学习的下一步，您可以将预先训练好的网络用于其他任务。通过迁移学习或特征提取解决图像数据上的新分类问题。有关示例，请参见使用迁移学习更快地开始深度学习而且使用从预训练网络中提取的特征的训练分类器．要尝试其他预训练的网络，请参见预训练的深度神经网络．

参考文献