解决思路
整体上采用迁移学习来训练神经网络，使用InceptionV3结构，框架采用keras.
具体思路：
- 读取图片数据，保存成
.npy格式，方便后续加载 - 标签采用one-hot形式，由于标签隐藏在文件夹命名中，所以需要自行添加标签，并保存到
.npy文件中，方便后续加载 - 将数据分为训练集、验证集、测试集
- 使用keras建立InceptionV3基本模型，不包括顶层，使用预训练权重，在基本模型的基础上自定义几层神经网络，得到最后的模型，对模型进行训练
- 优化模型，调整超参数，提高准确率
- 在测试集上对模型进行评估，使用精确率、召回率
- 对单张图片进行预测，并输出每种类别的概率
知识点总结
- 如何加载实际数据，如何保存成npy文件，如何打乱数据，如何划分数据，如何进行交叉验证
- 如何使用keras进行迁移学习
- keras中数据增强、回调函数的使用，回调函数涉及：学习速率调整、保存最好模型、tensorboard可视化
- 如何使用sklearn计算准确率，精确率，召回率，F1_score
- 如何对单张图片进行预测，并打印分类概率
- 如何指定特定GPU训练，如何指定使用GPU的内存情况