比如我想生成一个1到100的一维数组。
 
可以先定义一个长度为100的数组，然后接着一个for循环，就可以实现。
 
不过略显复杂，复杂的我都不想打个示例了。
 
下面介绍一个方法，在MATLAB里，一句话生成任意长度的顺序数组
 
A = （1:10）
 
数组的起点和终点都可以自己设置，默认间隔为1
 
 如果想改变数组递增间隔，也可以简单实现
 
 
至此，我们实现在matlab中生成任意起点、任意终点、任意长度和任意间隔的任意数组~
 
 
 
猜你喜欢：👇🏻
 ⭐【Matlab】一种超简单的二维矩阵降维方法
 ⭐【Matlab】如何提取矩阵中特定位置的元素？
 ⭐【Matlab】如何简单实现数组间交集，并集和补集？
 
 

记录一下，一个小技巧。用MATLAB产生"[1, 2, 3, 4, 5,...]"这样的按顺序排列的自然数一维向量。
 
实现这个功能其实只要两行代码：
 
a = randperm(10);
b = sort(a);
 
看下结果：
 
 
补充：其实可以更简单：
 
a = (1:10);
 

本文主要是根据《matlab手写神经网络实现识别手写数字》博客中的代码进行试验。由于没有数据集，所以采用了MNIST数据集进行代码的运行。数据集不同所以需要对代码进行微小改动。
 
简介
 
数据处理：4000张作为训练样本，1000张作为测试样本；
 图像大小：图片的灰度值矩阵（28，28）；
 图像名称：由标签和顺序号组成。标签_顺序号.bmp
 训练样本：每个数字的图像名称的顺序号是从0-399，各400个。
 
 测试样本：每个数字的图像名称的顺序号是从401-500，各100个。
 
 
标签制作
 
标签格式：
 训练数据集中前400个标签都是[1,0,0,0,0,0,0,0,0,0]代表数字0，401-800个标签都是[0,1,0,0,0,0,0,0,0,0]代表数字2，其余类推。这也就是所谓的onehot
 由于数据集不同，图像的格式也不一样等因素，需要对代码稍微做修改，具体如下：
 制作label时遇到的障碍，xlswrite()函数在写入矩阵时对矩阵大小有限制，一定要小心，因为我的电脑安装的是2003，所以无法对4000列数据直接写入，只好行列互换后再存储，代码将生成两个xsl文件，分别是label.xsl和label2.xsl,分别是训练数据和测试数据的标签。
 增加一个label_create.m文件，用来新建标签文件。
 label_create.m代码：
 
% 创建Excel存储label
% 根据图片的名字,例如：3_101.bmp，第一个数值是标签，第二个是图片数。
% 为了转换成神经网络的标签，0-9这10个标签应转换为[1,0,0,0,0,0,0,0,0,0],[0,1,0,0,0,0,0,0,0,0]
% 这样的格式，即第几位是1就代表标签是几？如[0,1,0,0,0,0,0,0,0,0]代表2
% 例如我们的前 400个图都是0，所以标签都是[1,0,0,0,0,0,0,0,0,0]
% 因为每个版本的Excel允许存储的行列不同，这里是2003版存储不下4000列，故需要将label矩阵转置后才能存下
% Excel2003可存储：65536*256
clear all;
clc;
label=zeros(10,4000);
label2=zeros(10,1000);

eye_sam=eye(10);
for j=1:10
    label(:,(400*(j-1)+1):400*j)= repmat( eye_sam(:,j),1,400 );
end
T=label';
xlswrite('D:\Documents\MATLAB\label.xls',T);

for j=1:10
    label2(:,(100*(j-1)+1):100*j)= repmat( eye_sam(:,j),1,100 );
end
T2=label2';
xlswrite('D:\Documents\MATLAB\label2.xls',T2);
 
getdata.m代码修改：
 
function[x_train,y_train,x_test,y_test]=getdata()
% 把图片变成像素矩阵
% path :图片路径 
% x_train:训练样本像素矩阵(784,4000)
% y_train:训练样本标签(10,4000)
% x_test:测试样本像素矩阵(784,1000)
% y_test:测试样本标签(10,1000)

x_train = [];
for i=0:9
    for j=0:399
        x=im2double(imread(strcat('D:\Documents\MATLAB\images4000\',num2str(i),'_', num2str(j),'.bmp')));
        x=reshape(x,784,1);         % 将28*28的数值矩阵变为784*1,每列代表一幅图
        x_train = [x_train,x];      % 每循环一次加入一列数据
    end
end

x_test =[];
for i=0:9
    for j=401:500
        x=im2double(imread(strcat('D:\Documents\MATLAB\images_test1000\',num2str(i),'_', num2str(j),'.bmp')));
        x=reshape(x,784,1);         % 将28*28的数值矩阵变为784*1,每列代表一幅图
        x_test = [x_test,x];        % 每循环一次加入一列数据
    end
end

% 读取标签文件，注意：由于标签的存储问题，读入后需要进行转置
data=xlsread('label.xls');
data2=xlsread('label2.xls');
y_train=data';
y_test = data2';

% 返回的参数
x_train;
y_train;
x_test;
y_test;

end

 
其余代码保持和原博客中的一致。全部文件如下图：
 
 运行main.m文件即可。
 
文件下载地址：链接：https://pan.baidu.com/s/1JhPs94qO-7VkPI_kknv_Tg
 提取码：xuu6
 如链接失效可加QQ:1021288218 索取。
 
参考：
 https://blog.csdn.net/yunyunyx/article/details/80473532

1，
 
  A=zeros（m，n，p，...）或A=zeros（[m，n，p，...]）：m*n*p*...全零矩阵
  A=zeros（...，classname）：classname表示数据类型
 
2，
 
A=ones（m，n，p，...）或A=ones（[m，n，p，...]）：生成m*n*p*...全1矩阵
 A=ones（...，classname）：classname表示数据类型
 
3，
 
A=magic（N），N>2：生成一个N*N的魔方矩阵，
    每一行、每一列及对角线元素之和都相等，矩阵元素为1~N*N之间的整数
 
4，
 
A=eye（N）：产生N*N单位矩阵
A=eye（m，n）：产生m*n矩阵，对角线元素为1，其余为0
 
5，
 
rand（）返回的矩阵元素服从0到1之间的均匀分布
rand（m，n，p，...）或rand（[m，n，p，...]）：生成m*n*p*... 0到1之间均匀分布的随机数
rand（...,‘double’）或rand（...,‘single’）：产生的随机数类型为双精度或单精度浮点数
随机数需要种子，保存随机数的种子可以在下次运行程序时产生完全相同的数据，便于数据和功能的再现。
rand（'seed'，a）：使用MATLAB v4随机数生成器
rand（'state'，a）：使用MATLAB v5随机数生成器
rand（'twister'，a）：使用MATLAB Mersenne Twister随机数生成器
rng（a）：新版本MATLAB推荐使用形式，使用Mersenne Twister算法
rng（a，‘v4’）代替rand（'seed'，a），rng（a，‘v5uniform’）代替 rand（'state'，a）
rng（‘default’）：将种子设为默认值
 
6，
 
randn（）：生成标准正态分布随机数，均值为0，方差为1，
         如果要产生均值为u、标准差为d的正态分布随机数，
         可以采用A=u+d*randn（m，n，p，...）。
randn（）调用格式同rand（）。
 
7，
 
linspace（）函数产生线性等分向量。
线性等分向量是一个元素均匀增大或减小的向量。
相邻元素之间的差值相等，相当于等差数列。
linspace（a，b）：产生1*100的向量，向量元素值从a均匀变化到b
linspace（a，b，N）：产生1*N的向量，向量元素从a均匀变化到b
a：b或colon（a，b）：产生从a到b，以1为步进值均匀增加的向量
a：step：b或colon（a，colon，b）产生从a到b以step为步进值均匀增加的向量
 
8，
 
logspace（a，b）：产生1*50的向量，向量元素值从10^a均匀变化到10^b
logspace（a，b，N）：产生1*N的向量，向量元素从10^a均匀变化到10^b
 
9，
 
P=randperm（N）：返回向量[1,2，...，N]的一个随机排列，
           向量中的元素为1~N之间的整数，每个数字出现且仅出现一次
P=randperm（N，K）：返回长度为K的向量，
           其中的元素取自1~N间的整数，元素无重复。K小于或等于N。
perms（A）：产生一个向量的所有排列形式
 
10，
 
randi生成可重复的均匀分布随机整数。
R=randi（IMAX，N）：返回一个N*N随机矩阵，
         矩阵中元素为1~IMAX之间的均匀分布随机整数，IMAX大于1
R=randi（IMAX，M，N）或R=randi（IMAX，[M，N]）：返回M*N随机矩阵
R=randi（[IMIN，IMAX]，...）：产生IMIN~IMAX之间的随机整数
 
11，
 
diag有两种用法：由对角线元素生成矩阵；由矩阵生成对角线元素
由向量生成矩阵：
X=diag（V，K）：V是一个向量，K指定向量V在生成的矩阵中的位置。
             当K=0时返回一个以V为主对角线的方阵，
             当K>0时，V是矩阵主对角线上方的第K条对角线，
             当K<0时，V是矩阵主对角线下方的第|K|条对角线
X=diag（V）：相当于diag（V，0）
由矩阵生成向量：
V=diag（X，K）：X是一个矩阵，返回一个列向量V，V为矩阵X的第K条对角线。
             当K=0时返回主对角线，
             当K>0时返回矩阵主对角线上方第K条对角线，
             当K<0时返回矩阵主对角线下方第|K|条对角线
V=diag（X）：返回矩阵的主对角线
 
12，
 
repmat：复制矩阵，形成更大的矩阵或数组
B=repmat（A，[m n]）或B=repmat（A，m，n）：矩阵A是待复制的矩阵，函数将A视为一个元素，
按照m*n的形式复制、拼接为新的矩阵B。size（B）=[size（A，1）*m，size（A，2）*n]
B=repmat（A，[m n p ...]）：返回一个大的多维数组B，B包含m*n*p个矩阵，
   大小为[size（A，1）*m，size（A，2）*n，size（A，3）*p，...]
 
13,
 
reshape：改变矩阵的形状而保持元素不变
B=reshape（A，[m n p ...]）或B=reshape（A，m，n，p，...）：
    矩阵A为待变维的矩阵，元素个数必须和m*n*p*...相等。
    函数将A转变为[m，n，p，...]形状，元素顺序保持列优先
B=reshape（A，siz）：按siz指定的形状对矩阵A进行变维