Keras TensorFlow教程：使用自己的数据集进行训练

大多数Keras教程都尝试使用图像分类数据集（如MNIST（手写识别）或基本对象CIFAR-10（基本对象识别））来开启Keras库的基础知识学习。

这篇文章将对Keras入门教程进行不同的尝试。使用自定义数据集训练第一个神经网络和卷积神经网络——将深度学习应用您自己的数据集，而不是Keras内置的数据集。

使用Keras训练您的第一个简单神经网络不需要很多代码，但是我们将逐步开始，逐步进行，以确保您了解如何在自己的自定义数据集上训练网络的过程。

今天介绍的步骤包括：

1. 安装Keras和其依赖库
2. 从磁盘加载数据
3. 训练和测试数据分组
4. 定义模型
5. 编译模型
6. 训练模型
7. 评估模型
8. 使用训练的模型进行预测

这看起来似乎需要很多步骤，但是我向您保证，一旦我们开始使用示例，您将看到示例是线性的、直观的，并且将帮助您了解使用Keras训练神经网络的基础知识。

实质上，使用MINST或者CIFARr10训练集相当于只是调用了内置的函数，训练、测试数据分组创建模型等都已预定义好， 当我们尝试使用自己的数据集时，我们可能会抓耳挠腮考虑下边几个问题：

• 这些辅助函数从何处加载数据？
• 磁盘上的数据集应采用什么格式？
• 如何将数据集加载到内存中？
• 我需要执行哪些预处理步骤？

在此Kera