在很多复杂的计算机视觉问题上，我们需要使用层次相对较深的卷积神经网络才能得到好结果，但是自己从头去构建卷积神经网络是一个耗时耗力的事情，而且还不一定能训练好。大家通常用到最多的技巧是，使用“预训练好的模型”初始化模型，再在自己的数据集上进行后续处理。
这里记录学习keras预训练模型的笔记。
-
Keras中文官方文档(https://keras.io/zh/)
-
Keras应用 Applications(https://keras.io/zh/applications/)
-
Keras 的应用模块（keras.applications）提供了带有预训练权值的深度学习模型，这些模型可以用来进行预测、特征提取和微调（fine-tuning）
-
可用的模型
在 ImageNet 上预训练过的用于图像分类的模型：
- Xception
- VGG16
- VGG19
- ResNet, ResNetV2, ResNeXt
- InceptionV3
- InceptionResNetV2
- MobileNet
- MobileNetV2
- DenseNet
- NASNet
具体请看Keras中文官网，讲的非常详细