猫狗二分类模型
猫狗二分类模型点击这里。
记录几点：
（1）这是一个在小型数据集上训练模型的案例（训练集2000张图片，验证集1000张，测试集1000张）。图片资源点击这里。
（2）图像输入之前需要预处理，将其转换为浮点数张量，使用了keras.preprocessing.image中的ImageDataGenerator类，它可以实现图像的缩放，旋转，平移，错切等操作。
展示几张变换的图片：
（3）使用数据增强降低过拟合，在小型数据集上过拟合时最大的问题。
（4）使用预训练的卷积神经网络（VGG16架构，虽然它性能比不了最先进的模型，但是它的架构简单）。
（5）首先使用没用使用数据增强的特征提取，得到的验证精度为0.9，后面使用了数据增强后验证精度为0.97。
（6）微调模型时微调最后三层，一开始微调没有效果，后来解决了。首先把网络训练好，然后解冻最后三层，再次训练才可以，最后的测试精度为0.95。
参考文献《Deep Learning With Python》作者肖莱。
代码不贴了，大部分都是书上的，除了稍微修改和测试之外没有多大的改变，有什么遗忘之处想起来再补充。