基于keras的图像分类CNN模型的搭建以及可视化（附详细代码）

基于keras的图像分类CNN模型的搭建以及可视化

本文借助keras实现了热图像的分类模型的搭建，以及可视化的工作。本文主要由以下内容组成。

• Keras模型介绍
• CNN模型搭建
• 模型可视化

---

Keras模型介绍

1. 简介

---

Keras 是 Google 的一位工程师François Chollet 开发的一个框架，能够有效地利用TensorFlow进行开发。keras之所以流行的原因，我在之前的博客已经说明过了：轻量级和快速开发，并且日益成为一种标准框架。(对于深度学习方面是小白的同学，keras不要太友好啊。搭建模型的感觉就像在搭建积木。当然掌握必要的深度学习方面的数学知识是非常必要的。)
keras的核心数据结构就是模型。模型是用来组织网络层的方式。总共有两种模型。

1. Sequential 模型

2. Model 模型
   我使用的是Sequential 模型（这种模型是一系列网络层按照顺序构成的栈，是单输入单输出的结构，层与层之间只有相邻的关系，如果你需要构建更复杂的模型则要用Model模型） 。

3. 安装

---

keras的安装非常简单，你可以安装anaconda，然后再安装keras。直接就是pip install keras
有一个需要注意的地方就是 ，安装好之后，可以选择依赖的后端，在 ~/keras/keras.json下修改最后一行backend对应的值即可。就是修改下面的这段代码中tensorflow，可以改成theano，其实差别不大。我用的是TensorFlow。
{ "image_dim_ordering": "tf", "epsilon": 1e-07, "floatx": "float32", "backend": "tensorflow" }

使用TensorFlow和theano的区别主要就是变换读取数据尺寸的语句不一样。（之前的博客我也提到过。）

CNN模型搭建

---

我的模型是由一个人脸识别的案例改过来的，我改了挺长时间的，我也是有事没事，然后就把模型拿出来跑跑，发现哪儿不对劲，就改改，最后到今天，基本都跑通了。
我的模型代码由四个部分代码组成。代码已经上传到了我的**GitHub上了，大家觉得我的这段代码有帮助的话，记得给我的GitHub点个星星， 蟹蟹大噶！**

• read_img.py
• read_data.py
• dataSet.py
• train_model.py
• test_model.py

###read_img.py
这个文件里面呢，主要就是读取文件数据（码的，说了等于没说嘛）。好了，开始讲正题。
先讲这个endwith的函数

def endwith(s,*endstring):
   resultArray = map(s.endswith,endstring)
   if True in resultArray:
       return True
   else:
       return False
</