用keras框架训练图像分类模型----学习笔记

学习opencv 停车场车位识别，用到神经网络模型训练，使用keras框架。
记下一篇学习笔记。
keras中文文档
keras 官方文档中总结了keras框架的几个指导原则：

1. 用户友好
2. 模块化（在我们构建自己的神经网络时候， 特别是神经网络层、损失函数、优化器、初始化方法、激活函数、正则化方法，它们都是可以结合起来构建新模型的模块。）
3. 易于扩展
4. 基于python 实现
   keras 的核心数据结构是model，最简单的是顺序模型 Sequential ，
   对于更复杂的结构，有 Keras 函数式 API，它允许构建任意的神经网络图。

从简单的顺序结构Sequential开始：

Sequential模型是层的线性堆栈

顺序结构给人一种感觉就是一条线下来，把所有需要的模块罗列下来。

from keras.models import Sequential
model = Sequential()

1 首先指定输入的形状shape

通过Sequential模型的第一层来确定模型中输入数据的shape，只需要在第一层中定义，因为其它层
可以进行自动形状推断。

接着就使用.add()来堆叠模型。
Dense中参数的含义
参数的含义

from keras.layers import Dense
# units表示该层输出的维度
# activation表示激活函数
# input_dim表示张量的维度
model.add(Dense(units=64, activation='relu', input_dim=100))
model.add(Dense(units=10, activation='softmax'