% MNIST adatbázis CNN-nel



% Adatok: digits_data.mat struktúrában.
% A struktúrának 4 mezője van, ezekről a struktúra betöltése után 
% a parancsablakba a digits_data kifejezést gépelve kaphatunk infót.
load digits_data;



% Az Xtrain mezőről betöltjük a tanulóadatokat. Ezen a mezőn egy 
% (28x28x1x60000)-es 4D tömb van. Az X(:,:,:,i) az i-edik tanulókép lesz. 

X=digits_data.Xtrain;

% A Ttrain mezőről betöltjük a tanulóadatokhoz tartozó targetvektort. 
% Ez egy 60000 elemű categorical típusú vektor.

trainT=digits_data.Ttrain;

% Definiáljuk a rétegeket: 

layers = [imageInputLayer([28 28 1])
    
          convolution2dLayer(5,20)
    
          reluLayer
          
          maxPooling2dLayer(2,'Stride',2)
          
          convolution2dLayer(5,20)
          
          reluLayer
          
          maxPooling2dLayer(2,'Stride',2)
          
          fullyConnectedLayer(80)
          
          fullyConnectedLayer(10)
          
          softmaxLayer
          
          classificationLayer()];

% Beállítjuk a tanítás paramétereit:

options = trainingOptions('sgdm','MaxEpochs',15,'InitialLearnRate',0.001);

% A tanítás:
convnet = trainNetwork(X,trainT,layers,options);

% Az Xtest mezőről beolvassuk a tesztadatokat, és teszteljük a hálózatot

Xtest=digits_data.Xtest;
predT=classify(convnet,Xtest);

% A Ttest mezőről beolvassuk a tesztadatokhoz tartozó targetvektort
% és kiszámítjuk a pontosságot

testT=digits_data.Ttest;
accuracy=sum(testT==predT)/numel(testT)