如果需要，运行这些命令获取下载，连接到网络摄像头，并获得预先训练的神经网络。

相机=摄像头;%连接到相机网= alexnet;%加载神经网络

如果需要安装网络摄像头和AlexNet.当你使用Add-On Explorer下载免费的附加组件时，每个功能都会显示一个链接。另外,看到深度学习工具箱模型AlexNet网络和MATLAB金宝app支持包的USB网络摄像头．

安装Deep Learning Toolbox™Model后AlexNet网络，你可以用它来分类图像。AlexNet是一个预先训练的卷积神经网络(CNN)，它已经对超过100万张图像进行了训练，可以将图像分类为1000个对象类别(例如，键盘、鼠标、咖啡杯、铅笔和许多动物)。

运行以下代码来显示和分类实时图像。将摄像头对准一个物体，神经网络就会报告它认为摄像头显示的是哪类物体。它会一直对图像进行分类，直到你按下为止Ctrl+C．该代码为所使用的网络调整图像的大小imresize(图像处理工具箱)．

而True im = snapshot(camera);%拍张照片图像（IM）;%显示图片Im = imresize(Im，[227 227]);%调整图片的alexnet标签=分类(净,im);%对图片进行分类标题(char(标签));%显示类标签drawnow结束

在本例中，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。

若要观看此示例的视频，请查看深度学习在11行MATLAB代码．

要了解如何扩展此示例并显示类的概率分数，请参见利用深度学习对摄像头图像进行分类．

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．