keras进行图像分类时遇到的小问题

Q1:由于网速慢或者网络中断等原因，导致keras加载VGG16等模型权重失败，从而程序出错。

方法：可以直接删除，重新下载。

Keras-Github-教程
https://github.com/fchollet/deep-learning-models
原始权重下载地址
https://github.com/fchollet/deep-learning-models/releases
tf模型权重百度云下载地址
http://pan.baidu.com/s/1dE9giOD

注：1.从百度云盘下载权重文件最快；

　　2.删除文件时，采用 $ open .keras/models/  ,进入隐藏的文件夹，然后删除。（mac系统）

 

Q2:如何离线读取VGG16的训练权重。

方法：以个人为例，

model = applications.VGG16(include_top=False,

                       weights='/Users/******/.keras/models/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5')

其中，******是自己电脑的账号名；vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5 是VGG16的权重文件；这样就可以离线读取VGG16的训练权重了。

 

Q3: model.add(Flatten(input_shape=train_data.shape[1:]))，这句话的理解。（仅在图像识别这一块）

如果输入train_data.shape[0:]，它会输出这样一个东西：[x1 , x2 , x3 , x4]，其中x1表示样本数，x2表示图宽度，x3表示图高度，x4表示通道数。一般来说，样本数是不好指定的，所以一般只读取train_data.shape[1:]。（在tensorflow下如此，在theano中，4个含义的顺序好像不是这样。）

 

Q4: ValueError: Error when checking target: expected dense_2 to have shape (None, 3) but got array with shape (150, 1)

原因：当初自己出错是因为图形的标签是3类，我在 train_labels = np.array([0] * 1000 + [1] * 1000 + [2] * 1000) 操作之后，并没有将它分成3类，即生成3维，

需要加上这样一句代码 train_labels = np_utils.to_categorical(train_labels, 3)，此外相应的，要加上 from keras.utils import np_utils 。

 

Q5: for layer in model.layers[:15]:
　　　　layer.trainable = False

这句话是指将模型的前15层冰冻住，也就是在训练网络的过程中，前15层的网络参数始终不发生变化。