训练

　　Keras深度学习库包括三个独立的函数，可用于训练您自己的模型：
　　.fit
　　.fit_generator
　　.train_on_batch
　　.fit
　　训练与验证分离
　　network.fit(train_images, train_labels, epochs=5, batch_size=128)
　　test_loss, test_acc = network.evaluate(test_images, test_labels)
　　训练与验证并行
　　history = model.fit(partial_x_train, partial_y_train, epochs=4, batch_size=512, validation_data=(x_val, y_val))
　　predict
　　predict1=model.predict(x_val)
　　.fit_generator
　　history = model.fit_generator(
　　train_generator,
　　steps_per_epoch=100,
　　epochs=30,
　　validation_data=validation_generator,
　　validation_steps=50)
　　flow_from_directory
　　图片被放在以分类名命名的一个个子文件夹里
　　test_datagen = keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
　　validation_generator = test_datagen.flow_from_directory(
　　validation_dir,
　　target_size=(150, 150),
　　batch_size=20,
　　class_mode=＂binary＂)
　　flow_from_dataframe
　　当图片路径及分类名存在一个表格里。
　　train_datagen = keras.preprocessing.image.ImageDataGenerator(rescale=1./255)
　　train_generator =train_datagen.flow_from_dataframe(dataframe =df,
　　#directory =＂./ train /＂,
　　x_col =＂PictureName＂,
　　y_col =＂TagName＂,
　　subset =＂training＂,
　　batch_size = 8,
　　seed = 42,
　　shuffle = True,
　　classes=categorys, #传了但没效果
　　class_mode =＂categorical＂,#categorical sparse raw sparse
　　target_size =(width, height))
　　会自动按分类名排序记为分类序号。 传classes=[＂aa＂,＂cc＂,＂bb＂] ,可以自己定义分类序号，但好像没用。
　　更新内容请参考：
　　https://blog.csdn.net/weixin_43346901/article/details/100095019
　　自定义generator
　　trainGen = csv_image_generator(df, BS,0,trainCount,
　　mode=＂train＂, aug=None)
　　testGen = csv_image_generator(df, BS,trainCount,len(df),
　　mode=＂train＂, aug=None)
　　.train_on_batch
　　model.train_on_batch(batchX, batchY)
　　异常处理
　　Error when checking input: expected conv2d_1_input to have 4 dimensions, but got array with shape (500, 400, 3)
　　原： predict1=model.predict([x1])
　　改为：predict1=model.predict(np.array([x1]))