我需要在MATLAB中创建一个简单的三层神经网络（2-10-2）。

我已经在MATLAB中使用过卷积神经网络，现在想将其与简单的神经网络架构进行比较。

我有每个类别的14000张图像，输入有两个类别，输出也有两个类别。输入图像大小为56×56=3136。
1) 如何创建2-10-2的神经网络架构？

2) 我的图像是RGB格式，所以是56x56x3，那么输入矩阵应该是9408吗？如果输入x有两个类别，每个类别的x1大小为3161×700，x2大小为9408×700，那么x输入的最终大小将是9408x1400，标签将是1x1400吗？

回答：

如果你查看feedforwardnet的MATLAB帮助页面，会看到这个例子：

[x,t] = simplefit_dataset;net = feedforwardnet(10);net = train(net,x,t);view(net)y = net(x);perf = perform(net,y,t)

这几乎就是你想要的。feedforwardnet可以接受不同隐藏层大小的数组，所以我们可以这样做：

    net = feedforwardnet([2 10 2]);

来得到你想要的架构。你不需要担心输入层大小或输出层大小。它们被设置为’0’，并根据你在训练期间提供给网络的输入和输出（示例中的net）自动设置为正确的大小。在你的情况下，你可以将56×56的矩阵重塑为3136×1的向量：

x = reshape(x,3161,1);

所以，按照上面的例子，确保你的类/目标标签在t中，对应的输入在x中，你就可以开始了。

不过，我不会用这种网络来分类图像。卷积神经网络通常是更好的选择。

要将输入数据（x和t）分成训练、验证和测试集，并让训练函数自动处理像这样的泛化能力，在训练前这样做：

net.divideFcn = 'dividerand';net.divideParam.trainRatio = 0.7;net.divideParam.valRatio = 0.15;net.divideParam.testRatio = 0.15;

综合起来，我们有：

[x,t] = simplefit_dataset;net = feedforwardnet(10);net.divideFcn = 'dividerand';net.divideParam.trainRatio = 0.7;net.divideParam.valRatio = 0.15;net.divideParam.testRatio = 0.15;net = train(net,x,t);view(net)y = net(x);perf = perform(net,y,t)