lesson2-cnn-fastai

%mkdir的做法
glob('.jpg')
np.random.permutation(图片)
np.random.rename(，）
#save_array：utils中，连接每个btch得到的数组
#keras.predict_generator
batches,preds = vgg.test(,)
filenames = batches.filenames //作为标签名称
ids = [int(f[8:f.find('.')]) for f in filenames] //第八个字符到点
subm = np.stack([ids,isdog],axis=1)//两列放在一起
file = np.savetxt(保存为csv文件）

from Ipython.display import Filelink
filelink('data/redux/1.csv')//生成下载链接
finetune指令：指finetune了最后一层

改进：
kaggle上传数据的loss：绝对值交叉熵，预测为1/0会降低loss
--》
np.clip(preds[:,1],0.05,0.95) ~相当于降低之前对预测能力的高估
 

多次fit和save_model,每次一个epoch，保存的权重名不同便于之后发现过拟合时返回用，每隔几个epoch改变一次学习率

分析数据，如识别错的