Keras加载预训练模型以及牵扯到的一系列问题（git上release文件的下载）

预训练模型，首先回答三个问题

• What?
  预训练模型(pre-trained model)是前人为了解决类似问题所创造出来的模型。简单来说就是不用在去从零开始解决一个问题，
  这里要说明的是一个预训练模型不一定完全契合于你的应用，但是不得不说它可以为你节省大量功夫。
• Why?
  减少训练时间
• How?
  训练神经网络时,我们希望网络能够在多次正向反向迭代的过程中，找到合适的权重。通过使用之前在大数据集上经过训练的预训练模型，我们可以直接使用相应的结构和权重，将它们应用到我们正在面对的问题上。这被称作“迁移学习”，即将预训练的模型“迁移”到我们正在应对的特定问题中。
  在选择预训练模型的时候你需要非常仔细，如果你的问题与预训练模型训练情景下又很大的出入，那么模型所得到的预测结果将会非常不准确。
  在迁移学习中，这些预训练的网络对于ImageNet数据集外的图片也表现出类很好的泛化性能，既然预训练模型已经训练得很好，我们就不会在段时间内去修改过多的权重，在迁移学习中用到它的时候，往往只是进行微调（fine tune）。
  在修改模型的过程中，我们通过会采用比一般训练模型更低的学习速率。

下面给出自己使用的Keras.applications.models权重资源地址：

• VGG16:
  WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels.h5’
  WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.1/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5’
• VGG19:
  TF_WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.4/xception_weights_tf_dim_ordering_tf_kernels.h5’
  TF_WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.4/xception_weights_tf_dim_ordering_tf_kernels_notop.h5’
• RESNET50:
  WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels.h5’
  WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5’
• INCEPTIONS_V3:
  WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.5/inception_v3_weights_tf_dim_ordering_tf_kernels.h5’
  WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.5/inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5’
• XCEPTION:
  TF_WEIGHTS_PATH = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.4/xception_weights_tf_dim_ordering_tf_kernels.h5’
  TF_WEIGHTS_PATH_NO_TOP = ‘https://github.com/fchollet/deep-learning-models/releases/download/v0.4/xception_weights_tf_dim_ordering_tf_kernels_notop.h5’

详细信息可以进入https://github.com/fchollet/deep-learning-models/releases查看

1. git上release的文件的下载

对于git上release的文件，可以打开下载git文件网站，复制下载的链接进行下载，界面很简单，方便使用。

2. 加载权重过慢或失败的解决

2.1 加载文件

Linux: 将下载好的*.h5文件下载到用户目录下的~/.keras/models
Windows: 在电脑的地址栏中输入%userprofile%，将下载好的*.h5文件放入.keras/models文件夹下模型的预训练权重在载入模型时自动载入。（eg:C:\Users\你的用户名.keras\models）

2.2 相对文件路径进行加载

为了防止C盘占用空间过多，也可以采用相对路径进行存储和加载

path='./[权重文件存放路径]/vgg16_weights_tf_dim_ordering_tf_kernels.h5'
vgg16 = VGG16(weights=path, include_top=True)
vgg16.summary()

说明：上面的tf代表使用tensorflow作为后端，如果使用theano作为后端的则需要下载_th_版本的。
keras中文文档对此的说明：
http://keras-cn.readthedocs.io/en/latest/backend/