在利用神经网络进行分类和识别的时候，使用了keras这个封装层次比较高的框架，backend使用的是tensorflow-cpu。

这里我们使用keras定义简单的神经网络全连接层训练MNIST数据集和cifar10数据集：

对于使用已经训练好的模型，比如VGG,RESNET等，keras都自带了一个keras.applications.imagenet_utils.decode_predictions的方法,有很多限制：

在使用tensorflow与keras混用是model.save 是正常的但是在load_model的时候报错了在这里mark 一下

在文件夹下分别建立训练目录train，验证目录validation，测试目录test，每个目录下建立dogs和cats两个目录，在dogs和cats目录下分别放入拍摄的狗和猫的图片，图片的大小可以不一样。...

二分类或分类问题，网络输出为二维矩阵：批次x几分类，最大的为当前分类，标签为one-hot型的二维矩阵：批次x几分类

在keras中，数据是以张量的形式表示的，不考虑动态特性，仅考虑shape的时候，可以把张量用类似矩阵的方式来理解。

我们知道彩色图像一般会有Width, Height, Channels，而“channels_first”或“channels_last”，则代表数据的通道维的位置。

经过多次安装不同版本的tensorflow 和 keras ，发现问题依旧存在。而且在python环境下使用命令：

翻译过来意思就是：关于图片的维度顺序有两种类型，分别是“th”和”tf“，它们的差别如下：