卷积神经网络 CNN 代码解析 deepLearnToolbox-master 是一个深度学习 matlab 包,里面含有很多机器学习算法,如卷积神经网络CNN，深度信念网络 DBN,自动编码 AutoEncoder（堆栈 SAE，卷积 CAE）的作者是 Rasmus Berg Palm (rasmusbergpalm ＠ gmail.com ） 代码下载：https ： //github 。 com/rasmusbergpalm/DeepLearnToolbox 这里我们介绍 deepLearnToolbox—master 中的 CNN 部分.DeepLearnToolbox—master 中 CNN 内的 函数：调用关系为：该模型使用了 mnist 的数字 mnist_uint8。mat 作为训练样本，作为 cnn 的一个使用样例,每个样本特征为一个 28＊28=的向量。网络结构为：让我们来看看各个函数：一、Test_example_CNN:.................................................................2三、cnntrain。m.......................................................................5四、cnnff。m..........................................................................6五、cnnbp.m...........................................................................7五、cnnapplygrads.m..................................................................10六、cnntest。m.......................................................................11一、Test_example_CNN:Test_example_CNN:1 设置 CNN 的基本参数规格，如卷积、降采样层的数量，卷积核的大小、降采样的降幅2 cnnsetup 函数 初始化卷积核、偏置等3 cnntrain 函数 训练 cnn,把训练数据分成 batch，然后调用3。1 cnnff 完成训练的前向过程，3。2 cnnbp 计算并传递神经网络的 error,并计算梯度（权重的修改量）3.3 cnnapplygrads 把计算出来的梯度加到原始模型上去4 cnntest 函数，测试当前模型的准确率该模型采纳的数据为 mnist_uint8.mat，含有 70000 个手写数字样本其中 60000 作为训练样本,10000 作为测试样本。把数据转成相应的格式，并归一化。设置网络结构及训练参数初始化网络，对数据进行批训练，验证模型准确率绘制均方误差曲线二、Cnnsetup。m该函数你用于初始化 CNN 的参数。设置各层的 mapsize 大小，初始化卷积层的卷积核、bias尾部单层感知机的参数设置＊ bias 统一设置为 0权重设置为：—1～1 之间的随机数/sqrt（6/(输入神经元数量+输出神经元数量）)对于卷积核权重，输入输出...
