猫狗分类-深度学习

系列博客精华参考：
深度学习：卷积神经网kaggle猫狗分类“：1234
https://blog.csdn.net/qq_40195614/article/details/90450621
https://blog.csdn.net/qq_40195614/article/details/90451369
https://blog.csdn.net/qq_40195614/article/details/97107594
https://blog.csdn.net/qq_40195614/article/details/97306308
什么是预训练：
预训练模型与Keras.applications.models权重资源地址：
https://www.cnblogs.com/fangpengchengbupter/p/8269703.html
但是我也没下载下来权重。。，，
深度学习5：使用预训练模型（1）
https://blog.csdn.net/qq_40195614/article/details/97485180
深度学习5：使用预训练模型（2）
https://blog.csdn.net/qq_40195614/article/details/97611251
里面有个链接专门讲flow_from_director
https://blog.csdn.net/mieleizhi0522/article/details/82191331
错误地方：
gener=datagen.flow_from_directory(r’E:\C3D_Data\trian’,#类别子文件夹的上一级文件夹
改成train 单词他写错了
for i in range(3):这个应该是代表循环三次 最后结果也就是我放两个图片在people文件夹中 train_result文件里面有六个各三个。
深度学习5：使用预训练模型（3）
https://blog.csdn.net/qq_40195614/article/details/101286926
加入数据增强操作，数据增强对防止小型数据集过拟合非常重要。
精度提高是使用了预训练模型，防止过拟合是数据增强
深度学习5：冻结高层网络
https://blog.csdn.net/qq_40195614/article/details/102363866
就是冻结对分类影响更加模糊和难以调节的高层网络，通过训练底层的小部分网络来实现微调。
模型微调：就是指将其顶部的几层解冻，并将解冻的几层和新增部分联合训练，微调高层可以得到更加有用的特征，因为它们需要在你的新问题上改变用途。
微调使用Rmsprop优化器，太大的权重更新会破坏这些表示。
最后这个链接详细讲了代码：
http://www.imooc.com/article/44038