1. 📁 数据准备（使用 MATLAB 内置示例集）

MATLAB 提供了一个非常适合入门的图像分类数据集：手写数字 (digitDataset)。

digitDatasetPath = fullfile(matlabroot,'toolbox','nnet','nndemos','nndatasets','DigitDataset');
imds = imageDatastore(digitDatasetPath, ...
    'IncludeSubfolders',true, ...
    'LabelSource','foldernames');

countEachLabel(imds)

结果说明

• 这是一个 0–9 十类的图片数据集

• 每张图片为 28×28 的灰度图

• 全部图片已按分类存放，不需要你自己整理

---

2. 📊 训练集 & 测试集划分

[imdsTrain, imdsTest] = splitEachLabel(imds, 0.7, 'randomized');

这行代码说明：

• 70% 用于训练

• 30% 用于测试

• 自动随机打乱

---

3. 🧠 搭建一个简单的 CNN（卷积神经网络）

MATLAB 提供了高层封装，不用写算子、不用写卷积代码。

layers = [
    imageInputLayer([28 28 1])

    convolution2dLayer(3,8,'Padding','same')
    batchNormalizationLayer
    reluLayer

    maxPooling2dLayer(2,'Stride',2)

    convolution2dLayer(3,16,'Padding','same')
    batchNormalizationLayer
    reluLayer

    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer
];

网络说明：

• 2 个卷积模块（Conv + BN + ReLU）

• 1 个最大池化层

• 最终用 fullyConnectedLayer(10) 输出 10 类

适合入门，速度快、准确率高。

---

4. ⚙️ 设置训练参数（关键就两行）

options = trainingOptions('sgdm', ...
    'InitialLearnRate',0.01, ...
    'MaxEpochs',4, ...
    'MiniBatchSize',64, ...
    'Plots','training-progress', ...
    'Verbose',false);

解释一下：

• SGDM：常用优化算法

• MaxEpochs=4：只训练 4 轮，速度极快

• Plots='training-progress'：自动生成训练曲线

---

5. 🚀 开始训练你的第一个深度学习模型

net = trainNetwork(imdsTrain, layers, options);

只要写这一行，MATLAB 会自动完成：

• 前向传播

• 反向传播

• 梯度更新

• 可视化曲线

• GPU 自动加速（如果你有 GPU）

真正做到 10 分钟跑出结果。

---

6. 📈 模型效果评估

YPred = classify(net, imdsTest);
YTest = imdsTest.Labels;

accuracy = sum(YPred == YTest) / numel(YTest);
disp("测试集准确率：" + accuracy);

一般来说，这个小网络在该数据集上能达到：
👉 97% 左右准确率

---

7. 🔍 单张图像预测（最有成就感的一步）

你会看到：
图像显示 + 自动识别结果
真正做到了 “像调用一个函数一样实现 AI”。

---

8. 📦 完整代码

digitDatasetPath = fullfile(matlabroot,'toolbox','nnet','nndemos','nndatasets','DigitDataset');
imds = imageDatastore(digitDatasetPath,'IncludeSubfolders',true,'LabelSource','foldernames');

[imdsTrain, imdsTest] = splitEachLabel(imds,0.7,'randomized');

layers = [
    imageInputLayer([28 28 1])
    convolution2dLayer(3,8,'Padding','same')
    batchNormalizationLayer
    reluLayer
    maxPooling2dLayer(2,'Stride',2)
    convolution2dLayer(3,16,'Padding','same')
    batchNormalizationLayer
    reluLayer
    fullyConnectedLayer(10)
    softmaxLayer
    classificationLayer
];

options = trainingOptions('sgdm', ...
    'InitialLearnRate',0.01, ...
    'MaxEpochs',4, ...
    'MiniBatchSize',64, ...
    'Plots','training-progress', ...
    'Verbose',false);

net = trainNetwork(imdsTrain, layers, options);

YPred = classify(net, imdsTest);
YTest = imdsTest.Labels;
accuracy = sum(YPred == YTest)/numel(YTest);
disp("测试集准确率：" + accuracy);

img = readimage(imdsTest, 1);
imshow(img)
label = classify(net,img);
title("预测结果：" + string(label))

---

🎯 9. 总结：为什么 MATLAB 非常适合深度学习入门？

• 无需处理复杂的数据加载

• 无需写神经网络底层代码

• 可视化训练曲线自动生成

• GPU 自动识别与加速

• 内置大量示例数据集