运用Matlab编程处理深度学习在图像的分类识别和回归预测方面的应用，主要内容就是学习卷积神经网络。一个实例入门深度学习编程实例，让大家先有了解，然后从卷积神经网络的输入数据形式开始讲起：图像数据集读取并输入网络：表 table，网络分类识别并计算准确率，接下来是网络的结构层次原理：图像输入层imageInputLayer，卷积的原理，卷积层convolution2dLayer，批量归一化层batchNormalizationLayer，修正线性单元reluLayer，最大池化层maxPooling2dLayer，全连接层fullyConnectedLayer，归一化指数层softmaxLayer，分类输出层classificationLayer，重点针对卷积神经网络（工作原理和运行机制）和激活/特征提取内容，以及trainingOptions参数设置，trainingOptions算法篇和各个属性功能和用法，接下来讲数据存储imageDatastore，和图像预处理/图像增强augmentedImageDatastore，最后对预训练网络、迁移学习、回归神经网络、Deep Network Designer交互界面做了介绍和编程演示，并进行调参试验、调参实例（回归）、调参实例（分类），图像分类识别通用GUI/APP界面的制作，以及新版本深度网络用法更新的补充说明。