keras图像分类参考大神博客总结

利用keras预加载模型添加新的层来构建自己所需的模型：

from keras.layers import GlobalAveragePooling2D,Dense
from keras.applications import VGG16
from keras.models import Model
def build_model():
    base_model = VGG16(weights="imagenet",include_top=False)
    #在分类器之前使用
    gap = GlobalAveragePooling2D()(base_model)
    predictions = Dense(20,activation="softmax")(gap)
    model = Model(inputs=base_model.input,outputs=predictions)
    return model

1.使用gap池化层来代替全连接层，可以达到很好的降维效果减少参数。

2.总结起来，CAM 的意义就是以热力图的形式告诉我们，模型通过哪些像素点得知图片属于某个类别。

3.# 注意观察f = lambda a,b,c:a+b+c 中的关键字lambda表示匿名函数，
# 冒号:之前的a,b,c表示它们是这个函数的参数。
# 匿名函数不需要return来返回值，表达式本身结果就是返回值。