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
