负载净化网络

加载预先训练好的google网络。您也可以选择加载一个不同的预训练网络来进行图像分类。这一步需要深度学习工具箱™模型GoogLeNet网络金宝app支持包。如果您没有安装所需的支持包，那么该软件将提供一个下载链接。金宝app

网= googlenet;

读取并调整图像大小

要分类的图像的大小必须与网络的输入大小相同。对于GoogLeNet，网络输入大小是输入属性的图像输入层。

读取要分类的图像，并将其调整为网络的输入大小。这个调整大小会稍微改变图像的宽高比。

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

图像分类显示

用预测的标签对图像进行分类和显示。

标签=分类（网络，i）;图imshow（i）标题（字符串（标签））

有关如何显示顶级预测及其相关概率的更详细示例，请参见使用谷歌网分类图像．

对于深度学习的下一步，您可以使用预训练的网络来完成其他任务。通过迁移学习或特征提取解决图像数据上的新的分类问题。有关示例,请参见使用迁移学习更快地开始深度学习和利用从预先训练的网络中提取的特征训练分类器．尝试其他预先训练过的网络预训练的深度神经网络．

参考