续写
在（2）中介绍了使用 matconvnet 中提供的examples中的可以训练cifar数据库的网络训练自己的方言样本数据。接下来介绍使用另外两种网络 vgg 和 alexnet 这两种网络模型也都较为经典。
vgg
vgg网络模型较为复杂一些，它可以分为vgg-f 、vgg-s、vgg-m 等。在这里我使用的是vgg-f,因为相对而言vgg-f的网络结构简单一些，也比较适用我们的数据。vgg-f 的网络模型在 imagenet 文件夹下，将程序中的模型名称改为vgg-f之后，可以在GPU下使用该网络训练自己的数据。vgg-f一般是用于做人脸分类和识别的，从名称上即可看出。实验的结果还是可以的，准确率可以达到90%左右，实验结果图如下：
实验数据说明：vgg-f 需要的实验图片大小为224*224，在程序运行之前，我们需要将样本数据保存到 mat 文件下，但是可能由于某些内存限制，我们的21000张样本不能一次保存完成。因此我这次只保存了14000张，即每个类的样本为200张。
alexnet
alexnet的网络结构稍微复杂一些，但是alexnet作为经典网络模型，其实验结果确实较为好一些。实验需要改动代码的地方与之前提到的其他网络均相同，因此在这里就不说了。下面展示一下实验结果并说明一下实验数据。
实验1
刚开始每个类的样本数量为200张，总共14000张样本，实验结果如下：
实验2
每个类的样本数量为300张，总共21000张样本，实验结果如下：
实验结果说明：上述每个类的300张与之前采用的数据不一样，该数据样本是词语样本，之前所训练的数据样本均是单字。