这一章节没有什么过多的理论介绍，照着做就是了，你会发现深度学习（Deep Learning）不过如此。我把这一章先放出来的原因就是先给大家一点信心，有了Matlab很多工作它都替你完成了，咱们只关注应用吧。Let's roll！

    这一节的内容并不是计算机视觉工具箱的内容，而在神经网络工具箱，想想也是，饭不得一口口吃嘛。在线地址：http://ww2.mathworks.cn/help/nnet/index.html我们首先进入TryDeep Learning in 10 Lines of MATLAB Code（使用Matlab 10行代码完成深度学习）。标题是不是很耸人听闻，哈哈，没错，我们就以这个例子开始我们的学习。

实验准备

Matlab 2017b或者更高版本，待识别的图片（demo里面用的是摄像头实时获取图像），使用联网的电脑获取训练好的AlexNet。首先打开Matlab 附加功能->获取附加功能，如下图：

接下来会出现附加资源管理器的界面，搜索alexnet：

点击链接，进入下载。

然后准备一个图片，我准备让它识别一个可爱的小猫

开始Coding

装载网络

第一行：

net = alexnet; 

说的是什么意思呢，就是说把已经训练好的AlexNet加载到Matlab里面。呃，好像太简单了不是，到底发生了什么呢，我们去Matlab的工作空间里瞅瞅看。

哎，出现了一个SeriesNetwork的类，看不出来什么东东，继续深入，里面有个叫Layer的属性还是25x1，莫名其妙，继续深入。喔，出现了一个25层的网络，这次好像有点明白了，原来就是这个家伙定义了AlexNet，具体的细节咱们先略过，继续咱们的Matlab10行代码完成深度学习。

加载图像，调整图像大小

im=imread('./猫.jpg');

imshow(im)

这句没啥解释的，就是把图像读进内存，然后显示图像，继续coding；

Im_input = imresize(im,[227 227]);

这句话的意思就是调整下图像的大小，使之能够输入AlexNet网络。

使用AlexNet进行识别

label = classify(net,im_input);

title(char(label));

这里面有个函数classify，作用就是使用AlexNet，进行分类，是不是很简单，输出是个标签类，这又什么鬼呢，原来这就是AlexNet训练的时候，提供的图像的分类标签。下面那一句就是把这个标签显示到图像的标题位置。

埃及猫也许可能也是个猫吧，咱们这姑且认为白马也是马吧。

总结

Ok，使用预训练的AlexNet来进行识别图像就结束了，是不是很简单。把代码重新整理下：

1.net = alexnet;                         % 加载已经训练好的网络

2.im=imread('./猫.jpg');                % 读入待分类的图像

3.imshow(im)                             % 显示待分类的图像

4.im_input = imresize(im,[227 227]);   % 调整输入图像的尺寸

5.label = classify(net,im_input);       % 识别图像

6.title(char(label));                    % 显示标签

一共六行，Matlab果然延长了程序员的寿命。