卷积神经网络源码——最终输出部分的理解

    '''cnnff'''
    net.fv = []; % 把最后一层得到的特征map拉成一条向量，作为最终提取到的特征向量  
    for j = 1 : numel(net.layers{n-1}.a) % 最后一层的特征map的个数 
        sa = size(net.layers{n-1}.a{j});   %得到几行几列的数
        % 将所有的特征map拉成一条列向量。还有一维就是对应的样本索引。每个样本一列，每列为对应的特征向量  
        net.fv = [net.fv; reshape(net.layers{n-1}.a{j}, sa(1) * sa(2), sa(3))];
    end;
    %  feedforward into output perceptrons
    if strcmp(net.layers{n}.objective, 'sigm')
         % 计算网络的最终输出值
        net.o = sigm(net.ffW * net.fv + repmat(net.ffb, 1, size(net.fv, 2)));
    '''cnntest'''
    net = cnnff(net, x);  %前向传播得到输出
    % [Y,I] = max(X) returns the indices of the maximum values in vector I   
    [~, h] = max(net.o);   % 找到最大的输出对应的标签 
    [~, a] = max(y);  % 找到最大的期望输出对应的索引 
    bad = find(h ~= a); % 找到他们不相同的个数，也就是错误的次数  
    er = numel(bad) / size(y, 2);