可视化卷积神经网络的中间输出（中间激活）：有助于理解卷积神经网络连续的层如何对输入进行变换，也有助于初步了解卷积神...[作者空间]
在数据生成器上评估模型。参数 generator: 一个生成 (inputs, targets) 或 (input...[作者空间]
精度图和损失图都包含噪声。可将每个损失和精度都替换为指数移动平均值，从而让曲线变得平滑。 在测试数据上评估模型[作者空间]
https://keras.io/zh/models/model/ fit_generator 使用 Python...[作者空间]
https://keras.io/zh/models/model/ predict(x, batch_size=N...[作者空间]
最后的特征图形状为 (4, 4, 512)。我们将在这个特征上添加一个密集连接分类器。接下来，下一步有两种方法可供...[作者空间]
预训练网络 预训练网络（pretrained network）是一个保存好的网络，之前已在大型数据集（通常是大规模...[作者空间]
添加 Dropout 层，进一步降低过拟合。 进一步使用正则化以及调节网络参数（卷积层过滤器个数或网络的层数），可...[作者空间]
flow x: 输入数据。秩为 4 的 Numpy 矩阵或元组。如果是元组，第一个元素应该包含图像，第二个元素是另...[作者空间]
使用这种数据增强来训练一个新网络，那么网络不会两次看到相同的输入。但网络看到的输入仍是高度相关的，因为这些输入都来...[作者空间]
发生了过拟合。训练精度随着时间线性增加，直到接近 100%，而验证精度则停留在 70%~72%。验证损失仅在 5 ...[作者空间]
train_generator： Python 生成器，可以不停地生成输入和目标组成的批量； steps_per_...[作者空间]
http://www.runoob.com/python3/python3-iterator-generator....[作者空间]
ImageDataGenerator 类 通过实时数据增强生成张量图像数据批次。数据将按批次不断循环。参数：res...[作者空间]
配置模型用于训练 数据预处理 1、读取图像文件；2、将 JPEG 文件解码为 RGB 像素网格；3、将这些像素网格...[作者空间]
增加 Conv2D+MaxPooling2D 的组合，既可以增大网络容量，也可以进一步减小特征图的尺寸，使其在连接...[作者空间]
shutil：高级的 文件、文件夹、压缩包 处理模块shutil.copyfile(src, dst)：（copy...[作者空间]
从头开始训练一个小型模型、使用预训练的网络做特征提取、对预训练的网络进行微调。三个操作构成了工具箱，解决小型数据集...[作者空间]
