續寫

在（2）中介紹了使用 matconvnet 中提供的examples中的可以訓練cifar資料庫的網路訓練自己的方言樣本資料。接下來介紹使用另外兩種網路 vgg 和 alexnet 這兩種網路模型也都較為經典。

vgg

vgg網路模型較為複雜一些，它可以分為vgg-f 、vgg-s、vgg-m 等。在這裡我使用的是vgg-f,因為相對而言vgg-f的網路結構簡單一些，也比較適用我們的資料。vgg-f 的網路模型在 imagenet 資料夾下，將程式中的模型名稱改為vgg-f之後，可以在GPU下使用該網路訓練自己的資料。vgg-f一般是用於做人臉分類和識別的，從名稱上即可看出。實驗的結果還是可以的，準確率可以達到90%左右，實驗結果圖如下：

實驗資料說明：vgg-f 需要的實驗圖片大小為224*224，在程式執行之前，我們需要將樣本資料儲存到 mat 檔案下，但是可能由於某些記憶體限制，我們的21000張樣本不能一次儲存完成。因此我這次只儲存了14000張，即每個類的樣本為200張。

alexnet

alexnet的網路結構稍微複雜一些，但是alexnet作為經典網路模型，其實驗結果確實較為好一些。實驗需要改動程式碼的地方與之前提到的其他網路均相同，因此在這裡就不說了。下面展示一下實驗結果並說明一下實驗資料。

實驗1
剛開始每個類的樣本數量為200張，總共14000張樣本，實驗結果如下：

實驗2
每個類的樣本數量為300張，總共21000張樣本，實驗結果如下：

實驗結果說明：上述每個類的300張與之前採用的資料不一樣，該資料樣本是詞語樣本，之前所訓練的資料樣本均是單字。