| The First Column | The Second Column |
|---|---|
| sqeue = sqeue(Input=sqeue.input, output=predictions) | bug  |
| bug:cv2.imshow() |  |
| categorical_crossentropy |  |
| categorical_crossentropy |  |
| weight_decay:权衰量,用于防止过拟合 |  |
| include_top=False |  |
| keras densenet中的 bottleneck |  |
| keras densenet中的 bottleneck |  |
| keras densenet中的 bottleneck | 通过上述简单论述我们看到使用 Bottleneck设计也可以有效减少全连接数量， 让神经网络更高效地前向传播计算。 |
| keras densenet中的 reduction |  |
| from keras.layers import Flatten | bug：x = Flatten()(x) |
| fine-tuning | url |
| input_tensor | input_tensor: 可选的Keras张量 （即， layers.Input()的输出）， 用作模型的图像输入 |
| bug ：TypeError: call() missing 1 required positional argument: 'inputs' |
position argument：位置参数 |
| bug ： from keras.models import Model as Model_keras sqeue = net_densenet.DenseNetImageNet161 sqeue = sqeue (inputs=sqeue.input, outputs=predictions) |
debug ： from keras.models import Model as Model_keras sqeue = net_densenet.DenseNetImageNet161 sqeue = Model_keras (inputs=sqeue.input, outputs=predictions) |
| bug ：from keras.models import Model as Model | debug ：from keras.models import Model as Model_keras 原工程有model 文件 from model import Model |
| sqeue.compile(loss='categorical_crossentropy' ) |  |
| 常见的损失函数之 MSEBinary_crossentropycategorical_crossentropy |
  |