用神经网络对花粉进行分类
这个例子演示了如何使用图像特征提取和神经网络对郁金香、木槿、水仙花，罂粟、薰衣草和常春藤的花粉样本进行分类。例子中会使用包含了花粉名称、花的样本图像、花粉的大小和在显微镜下拍摄的一些样品花粉图像的数据集。
显示数据集的第一条记录。
此处的挑战是在少量数据样本上训练神经网络。注意，数据集中只有 43 个样本文件。
可以通过迁移学习和数据扩充来应对。
以下命令通过旋转和反射来扩充图像。
通过扩充生成有 344 个样本的随机训练集。
可以通过构建基于神经网络的特征提取器来运用迁移学习，该神经网络通常已经在图像特征上进行了训练。
将所有花粉图像转换为 157 维的语义特征向量。
通过三维 
-分布随机邻域嵌入 (t-SNE) 显示神经网络的特征。
构建一个小型的两层神经网络作为花粉分类器。
训练神经网络。
对一组新的花粉图像应用神经网络。
