用于图像分类的Squeezenet净化模型是R2020A中深度学习工具箱的一部分，不需要单独安装。如果您使用的是深度学习工具箱的R2020A版本，则可以在命令行中键入“scrizzenet”或直接访问模型，而无需安装深网络设计器应用程序。

如果您使用R2018A至R2019B，则需要下载并安装此支持包。金宝app

Squeezenet是一个预先灌注的模型，它已在ImageNet数据库的子集上培训。该模型在超过一百万图像上培训，可以将图像分类为1000个对象类别（例如键盘，鼠标，铅笔和许多动物）。
从操作系统中打开squeezenet.mlpkginstall文件，也将从MATLAB中启动您拥有的发布的安装过程。

此MLPKGINStall文件对于R2018A及更大的功能是功能的。

用法示例：

net = screezenet（）
网。层
情节（网）

％读取图像以分类
我= imread（'peppers.png'）;

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

％使用screezenet对图像进行分类
分类(净，我)

％显示图像和分类结果
数字
imshow（i）
文字（10,20，char（标签），'颜色'，'白色'）