![aa9888993c85af7ba31db3b454ed7da0.png](https://img-blog.csdnimg.cn/img_convert/aa9888993c85af7ba31db3b454ed7da0.png)
卷积神经网络现在能够在一些电脑视觉任务上胜过人类的肉眼,例如图像分类。
也就是说,给出一个物体的照片,我们可以让电脑来回答这个照片是1000个特定种类物体中的哪一类这样的问题。
在本教程中,我们将使用几个keras已经内建好的预训练模型来进行图像分类,其中包括了:
- VGG16
- VGG19
- ResNet50
- InceptionV3
- InceptionResNetV2
- Xception
- MobileNet
# 运行环境
开发一个简单的照片分类器
VGG16
1.获取范例图像
首先,我们需要一个我们可以进行分类的图像。
你可以在这里从google随意检索一些动物照片并下载到本地目录。例如:https://www.elephantvoices.org/images/slider/evimg16tf.jpg
![601910bc95f17abc1f6e67cb74edc60c.png](https://img-blog.csdnimg.cn/img_convert/601910bc95f17abc1f6e67cb74edc60c.png)
也从百度上随