ResNet-18是预先训练的模型，已经在ImageNet数据库的子集上进行了训练。 该模型在超过一百万张图像上进行了训练，可以将图像分为 1000 个对象类别（例如键盘、鼠标、铅笔和许多动物）。 从您的操作系统或在MATLAB中打开resnet18.mlpkginstall文件将启动您所拥有版本的安装过程。 此 mlpkginstall 文件适用于 R2018a 及更高版本。 用法示例： % 访问训练好的模型净 = resnet18(); % 查看架构细节网络层 % 读取图像进行分类I = imread('peppers.png'); % 调整图片大小sz = net.Layers(1).InputSize I = I(1:sz(1),1:sz(2),1:sz(3)); ％使用ResNet-18对图像进行分类标签 = 分类（净，我） % 显示图像和分类结果数字显示（一）

Matlab的深度学习工具箱(Deep Learning Toolbox),适合在Matlab中学习深度学习，包括CAE,CNN,DBN,NN,SAE等，易与工程结合。

ResNet-50 是一个预训练模型，已经在 ImageNet 数据库的一个子集上进行了训练，并在 2015 年赢得了 ImageNet 大规模视觉识别挑战 (ILSVRC) 比赛。 该模型在超过一百万张图像上进行了训练，有 177 层总共对应一个50层的残差网络，可以将图像分为1000个对象类别（例如键盘、鼠标、铅笔和许多动物）。 从您的操作系统或 MATLAB 中打开 resnet50.mlpkginstall 文件将启动您拥有的版本的安装过程。 该mlpkginstall文件可用于R2017b及更高版本。 用法示例： % 访问训练好的模型净 = resnet50(); % 查看架构细节网络层% 读取图像进行分类I = imread('peppers.png'); % 调整图片大小sz = net.Layers(1).InputSize I = I(1:sz(1),1:sz(2),1:

Matlab/Octave toolbox for deep learning. Includes Deep Belief Nets, Stacked Autoencoders, Convolutional Neural Nets, Convolutional Autoencoders and vanilla Neural Nets. Each method has examples to get you started.[来自GitHub]

CNN卷积神经网络Matlab实现例程，使用了matlabR2019a自带的深度学习工具箱,一维数据分类，二维cnn

用于MATLAB环境下的深度学习工具箱，包含一些基础的深度学习代码可以调用。

matlab深度学习工具箱官方指导手册，包含各大模型参数的解释以及函数调用方式，适合开发以及研究使用。如果大家觉得不错的话，欢迎好评点赞转发，小伙伴们的鼓励就是我最大的动力~

CNN卷积神经网络Matlab实现例程，使用了matlabR2019a自带的深度学习工具箱,一维数据分类，二维cnn

matlab中深度学习的工具箱，有SAE DBN CAE CNN NN等

matlab深度学习工具箱，提供深度神经网络的相关工具。