零基础入门keras实战教学+源码利用vgg16（keras）搭建属于自己图像分类识别的模型（其一）

导读

写下此文章的目的，是希望帮助那些跟我一样希望使用keras来搭建属于自己的模型的童鞋。

在这里，使用了属于自己的数据集，去一步步的搭建属于自己的keras模型，并进行训练。

其中有详细的，有忽略的，有不明白的，或者希望更深一步进行理解的，万能的csdn会给你解答。

---

理解

在我的理解中，整个过程我大致的分为四步：

1.数据预处理

2.模型搭建

3.模型调参

4.模型训练

---

解读

碎碎念开启：

首先，数据预处理，在我理解中，他的涵义之一就是将不规则的数据，统一规划起来。一个散乱的军队，我想是没法打好仗的，同样的道理，一堆没有统一的数据，模型是很难学习的。我们需要将他们统一格式，然后，我们还要对数据进行加强。加强是什么意思呢？就是，对于我们拍摄的数据，我们希望模型在学习的时候，能够举一反三，就是对于这张照片，我们上下翻转，左右平移一下，模型还能识别出来，所以我们在模型学习的时候，就将这些数据进行处理，将一张张照片进行一些反转啊平移之类的处理。希望模型学习完成的时候，能对一张照片的不同样式下，都能识别出来。

---

其次，是模型搭建。模型搭建有深有浅，约深的模型，更能学习一张照片比较的抽象的状态。比较浅的模型，能够好的学习一张照片的边边角角，通俗理解就是照片中物体大概的轮廓。模型是灵活的，是根据自己需要进行搭建的。你可能会像，我是不是需要学很多才能搭建比较理想的一种模型，实际上，答案已经给出了。我们可以学习使用目前比较成熟好用的模型，从而省下自己去设计去摸索的时间，能够更好的进行应用与实践。时间充裕时，在具有一定理解的基础上，进行自己的摸索与研究，更深入一番。

---

再次，模型调参，用我认识的一位老师的一句话，是一门艺术活。在这方面，因为时间精力原因（主要是因为我太菜了），并没有很多的理解与操作。

最后，模型的训练，实际上，模型训练并不是最后一步。模型调参与模型训练是两个相互结合重复循环的过程，就是训练，看好一看效果，调一调参，训练训练（注意不是训练一边就调一次参，在你感觉模型到极限的，或者通过调参可以拥有更好的效果的时候）。在进行合理的训练之后，在拟合和过拟合之间时，如果模型对未知的数据（没有学习过的数据）进行预测时，一直没有达到很理想的水平。我们就改考虑是否更改模型的结构了。这些都是看个人理解与个人经验。

---

碎碎念结束！干货了，对于不懂得函数，大可以csdn搜索，查看函数时有何作用，以及参数的意义。

在这次的实践中，我们都是用了那些的东西嘞？？

大概罗列一下：keras 的线性模型Sequential（）模型（堆蛋糕一样的堆模型）、图片生成器ImageDataGenerator（）、模型的保存加载、模型训练fit_generator（）（他还