Python视觉深度学习系列教程 第二卷 第9章 Kaggle竞赛：Cat与Dog

         第二卷 第九章 Kaggle竞赛：Cat与Dog

        在本章中，我们将扩展我们的工作并学习如何为HDF5数据集定义一个图像生成器，适用于使用Keras训练卷积神经网络。该生成器将打开HDF5数据集，为要训练的网络生成批量图像和相关的训练标签，并继续这样做，直到我们的模型达到足够低的损失/高精度。

        为了完成这个过程，我们将首先尝试三个旨在提高分类精度的新图像预处理器——均值减法、补丁提取和裁剪。一旦我们定义了新的预处理器集，我们将继续定义实际的HDF5数据集生成器。

        我们将实现AlexNet架构。然后将在KaggleDogsvs.Cats挑战中训练AlexNet。给定训练好的模型，我们将评估其在测试集上的性能，然后使用过采样方法进一步提高分类精度。

        1、额外的图像处理器

        （1）平均减法预处理器，旨在从输入图像（这是数据标准化的一种形式）中减去数据集中的平均红色、绿色和蓝色像素强度。

        （2）一个补丁预处理器，用于在训练期间从图像中随机提取M×N个像素区域。