迁移学习matlab代码

当涉及迁移学习时，MATLAB提供了一些有用的工具和函数。下面是一个示例MATLAB代码，演示如何使用迁移学习来训练和微调一个预训练的深度神经网络模型。

% 加载预训练的模型
pretrainedNet = alexnet;

% 加载自定义数据集
data = imageDatastore('path/to/your/data', 'IncludeSubfolders', true, 'LabelSource', 'foldernames');

% 分割数据集为训练集和验证集
[trainData, valData] = splitEachLabel(data, 0.8, 'randomized');

% 替换模型的最后一层
numClasses = numel(categories(data.Labels));
layers = pretrainedNet.Layers;
layers(end-2) = fullyConnectedLayer(numClasses, 'Name', 'fc8');
layers(end) = classificationLayer;

% 设置训练选项
options = trainingOptions('sgdm', ...
    'MiniBatchSize', 10, ...
    'MaxEpochs', 10, ...
    'InitialLearnRate', 1e-4, ...
    'ValidationData', valData, ...
    'ValidationFrequency', 5, ...
    'Verbose', true, ...
    'Plots', 'training-progress');

% 训练模型
myNet = trainNetwork(trainData, layers, options);

% 对新数据进行预测
testData = imageDatastore('path/to/your/test/data', 'IncludeSubfolders', true, 'LabelSource', 'foldernames');
predictions = classify(myNet, testData);

% 显示预测结果
disp(predictions);

请注意，以上代码是一个简单的示例，你需要根据你的实际情况进行相应的修改和调整。你