快速入门深度学习（2）迁移学习

咱们继续入门课程系列，这次是关于迁移学习（Transfer Learning）的故事。

    有点神经网络基础的基础就会看得明白，上次的例子就是拿已经训练好的网络去用一下嘛，根本无关什么“深度学习”，完全可以把AlexNet看做一个分类器，把待分类的数据丢进去就可以了，这里还有一个GoogleNet的例子：http://ww2.mathworks.cn/help/nnet/examples/classify-image-using-googlenet.html

    这次咱们要“学习”一把了，针对特定的任务构造自己的分类器了。这次咱们仍然使用AlexNet的网络结构（谁让它经典呢），训练这个网络让它为咱们服务。

    在正式Coding之前，首先了解下什么是迁移学习。所谓的迁移学习就是指在深度学习中，把一个学习好的深度网络，稍加改造变成自己特有网络的意思，至于这样做的道理，咱们这里先不深入探讨，只要先记住迁移学习有个很大的好处，就是网络收敛速度快。

实验准备

Matlab2017b或者更新的版本，AlexNet。

数据准备：为了实验的一致性，使用Matlab计算机视觉工具箱自带的数据。

开始编程

载入数据

unzip('MerchData.zip');

imds = imageDatastore('MerchData','IncludeSubfolders',true,'LabelSource','foldernames');

[imdsTrain,idmsValidation] =splitEachLabel(imds,0.7,'randomized&#