连接到网络摄像头并加载预先训练的AlexNet网络:。

相机=摄像头;%连接到摄像机网= alexnet;%加载神经网络

如果你需要安装网络摄像头和Alexnet附加组件，会出现一个链接，帮助你使用Add-On Explorer下载免费附加组件。另外,看到深度学习工具箱模型AlexNet网络和MATLAB金宝appUSB摄像头支持包安装说明。

在您安装了用于AlexNet网络的深度学习工具箱™模型后，您可以使用它对图像进行分类。AlexNet是一个预先训练的卷积神经网络(CNN)，它已经在100多万张图像上训练过，可以将图像分类为1000个对象类别，如键盘、鼠标、杯子、铅笔等。

要将接口建立到目标板，需要创建工作流对象，并将网络部署到目标板:

hT = dlhdl。目标(“Xilinx”）;hW = dlhdl。工作流(“网络”净,“比特流”，“zcu102_single”，“目标”hT);hW.deploy;

展示和分类现场图像:

而True im =快照(相机);拍照图像(im);%显示图片Im = imresize(Im，[227227]);%调整图片大小为alexnet[预测，速度]= hW.predict(single(im)，“配置文件”，“上”）;[val, idx] = max(预测);标签= net.Layers(结束).ClassNames {idx};%图像分类标题(char(标签));显示类标签drawnow结束

把摄像头对准一个物体。预先训练过的深度学习网络会报告它认为摄像头显示的是什么类别的物体，并对图像进行分类，直到你按下按钮Ctrl+C．该代码通过使用imresize．

例如，网络正确地对咖啡杯进行了分类。用你周围的物体做实验，看看这个网络有多精确。

有关下一步，请参见基于FPGA的深度学习解决方案．