我已经使用梯度下降和反向传播算法在Matlab中构建了一个深度神经网络图像分类器程序（每个例子给出1个输出，例如是否是汽车）。它是一个简单的前馈网络，有1或2个隐藏层。我在nvcc C ++中使用获得的权重进行实时对象检测。
NN训练结果具有相当高的准确度（超过％99.9，但还不够），并且可以处理超过100,000个大小为32x32的图像文件。但只有Matlab代码的问题是：它在每次训练中以局部最小值结束，因此需要很多不同的训练，但训练速度很慢。
除了我慢慢运作的Matlab NN训练代码，我尝试过：
1）OpenCV 3.0.0，它＆＃34;可能＆＃34;目前在虚拟浮点数cv :: ml :: StatModel :: predict函数中有一个bug。所以我无法正常使用它。
2）尝试OpenNN with gui，但在加载和训练期间甚至卡住了。我还在努力解决这个问题。
3）选中FANN，但只能找到＆＃34;一个＆＃34;用C ++编写的教程代码。可能需要花费很长时间才能通过示例来掌握它。
4）几个月前我曾在Python中尝试过Theano，它非常可定制，而且有很多教程。但是从来没有尝试用它训练图像文件。
5）我也可以将我的Matlab代码传输到nvcc C ++，并尝试使用共轭渐变方法来进一步加速。但是还没有尝试过，这是我的最后选择。
掌握每条路径可能需要相当长的时间，而且我还有很多不同的工作要做。我应该走哪条路，或者你有另一条建议？谢谢
答案 0 :(得分：1)
如果您有使用Matlab的经验，最简单的方法是通过＆＃34; VGG卷积神经网络实践＆＃34;并使用他们的开源MatConvNet工具箱进行Matlab：http://www.vlfeat.org/matconvnet/。