笔记来源于matlab官网，不足之处还请提出。
1.使用预训练网络
1.1加载并查看图像
使用imread函数导入图像，支持GIF，JPEG,PNG等，如将png格式的图像读入到变量I中。
I = imread('filename.png');
使用imshow函数显示变量中的图像。
imshow(I);
1.2使用alexnet做预测（alexnet是基于CNN的模型，已经训练好的神经网络）
创建alexnet的副本。
net = alexnetnet;
使用classify预训练alexnet网络对图像img进行预测，将预测结果存入变量pred1中。效果如下图。
pre1 = classify(net,img);
1.3CNN架构
使用deepnet（如1.2中的net）表示深度卷积网络，通过Layers使用索引引用变量的属性来检查网络的各个层次：
variable.Property，效果如下，ly是一个网络层数组：
ly=deepnet.Layers
可以使用常规的matlab数组检索单个图层，如将网络的第一个（输出）层提取到inlayer变量中：
inlayer = ly(1);
使用属性InputSize可以得到图层的输入层所需要的图像大小，如提取第一层（存储在变量inlayer中）的图像大小属性，并将结果存储在变量insz：
insz = inlayer.InputSize;
提取输出层到变量outlayer中，因为layer共25层，所以：
outlayer = ly(25);
输出层属性ClassName，用于给出网络被训练预测的类别的名称，如：
categorynames = outlayer.ClassNames；
