训练自定义图像分类器
一些人类难以完成的分类工作对于神经网络而言却非常容易。例如，许多人不记得骆驼和单峰骆驼之间的区别。通过使用一个简单的微调程序，神经网络可以完成这项任务。
在 Wolfram Neural Net Repository 中， 有几种模型被训练来识别图像中的主要对象。这是一个在 ImageNet 分类数据集上训练过的模型。
一开始，它并不善于区分骆驼与单峰骆驼：认为 ImageNet 训练数据中只有一种动物。
但是，可以重新训练模型，使它能更好地完成此特定任务。如果要重新训练，请删除最后的分类层，并换作两级分类器。
用 WebImageSearch 收集新的训练数据。
通过 NetTrain，在新数据上对网络进行训练，省去了 10% 的验证测量工作。 只训练最后的分类层。
新模型给出了更好的分类。
如法炮制，重新训练其他三种在 ImageNet 上训练过的分类架构，并比较分类的准确性。
对于这种简单的任务，准确性很接近，不需要更强大和更慢的模型。小型 ResNet 是精确度和速度的一个较好的折衷。
