🎉 在深度学习领域中，卷积神经网络（CNN）是一种强大的工具，广泛应用于图像识别和处理任务。今天，我们将探索如何在MATLAB环境中搭建一个简单的CNN模型，并且学习如何查看每一层的卷积层输出。🔍

🛠️ 首先，我们需要准备MATLAB环境，确保安装了Deep Learning Toolbox。如果你还没有安装，可以通过MATLAB的附加功能管理器进行安装。🛠️

📚 接下来，让我们开始构建我们的CNN模型。我们可以使用`layers = [imageInputLayer([28 28 1]) convolution2dLayer(5,20) reluLayer maxPooling2dLayer(2,'Stride',2) fullyConnectedLayer(10) softmaxLayer classificationLayer]` 这样的代码来定义一个基础的CNN结构。📚

👀 为了查看每一层的输出，我们可以利用MATLAB中的`activations`函数。例如，如果你想查看第一层的输出，可以运行`activation1 = activations(net,imdsTrain,'conv1','OutputAs','rows');` 其中，`'conv1'`是你想要查看的层的名字。👀

🚀 最后，通过这种方式，你可以逐层检查你的CNN模型的工作情况，这对于调试和优化你的网络非常有帮助。🚀

📝 总结一下，我们学会了如何在MATLAB中搭建一个简单的CNN模型，并通过`activations`函数查看每一层的输出。这为深入理解CNN的工作原理提供了一个很好的起点。📝

希望这篇指南对你有所帮助！如果有任何问题，欢迎随时提问！💬