カスタムの画像分類子を訓練する
人間にとっては難しい分類タスクもニューラルネットには簡単なこともある．例えば，ラクダとヒトコブラクダの違いを覚えられない人は多い．簡単な微調整手順を使用すると，ニューラルネットが役に立つ．
Wolfram Neural Net Repositoryには，画像中の主なオブジェクトを認識するように訓練されたいくつかのモデルがある．次は，ImageNetの分類データ集合で訓練されたモデルである．
このモデルは，もともとの状態ではラクダとヒトコブラクダがうまく区別できない．ImageNet訓練データにはその片方しかないからである．
しかし，この特定のタスクについてパフォーマンスがよくなるようにモデルを再訓練することはできる．再訓練するために，最終分類層を削除して2つのクラスの分類子で置き換える．
WebImageSearchを使って新たな訓練データを集める．
NetTrainを使って新たなデータでネットを訓練する．検証測定のためにデータの10%は残しておく．最終分類層だけを訓練する．
新たなモデルははるかによい分類を与える．
同じ手順を使って，ImageNetで訓練された別の分類アーキテクチャ3つを再訓練し，分類の確度を比較する．
このように単純なタスクについては，確度はほぼ同じでより強力で低スピードのモデルは必要ない．小さいResNetは確度と速度のよいトレードオフである．
