Python视觉深度学习系列教程 第三卷 第9章 Kaggle竞赛：情绪识别

        第三卷 第九章 Kaggle竞赛：情绪识别

        在本章中，我们将解决Kaggle的面部表情识别挑战。为了完成这项任务，我们将在训练数据上从头开始训练一个类似VGG的网络，同时考虑到我们的网络需要足够小和足够快才能在我们的CPU上实时运行。

        人类的情绪是混合在一起的。在经历“惊喜”时，我们也可能会感到“快乐”（例如惊喜生日派对）或“害怕”（如果惊喜不是受欢迎的）。 即使在“害怕”的情绪中，我们也可能会感受到“愤怒”的暗示。

        在研究情绪识别时，重要的是不要关注单个类别标签（就像我们有时在其他分类问题中所做的那样）。 相反，查看每种情绪的概率并表征分布对我们来说更有优势。 正如我们将在本章后面看到的那样，与简单地选择概率最高的单一情绪相比，检查情绪概率的分布为我们提供了更准确的情绪预测标准。

        1、Kaggle 面部表情识别挑战

       Kaggle Emotion and Facial Expression Recognition 挑战训练数据集包含 28,709 张图像，每张图像均为48*48张灰度图像（图）。面部已自动对