**數據增強**：在計算機視覺領域是一種非常強大的降低過擬合的技術。 * 從現有的訓練樣本中生成更多的訓練數據，其方法是利用多種能夠生成可信圖像的隨機變換來**增加**（augment）樣本  **樣本數量：** 對于初學者來說，相對于你所要訓練網絡的大小和深度而言 ***** 網絡中特征圖的深度在逐漸增大（從 32 增大到 128），而特征圖的尺寸在逐漸減小（從 150×150 減小到 7×7）。這幾乎是所有卷積神經網絡的模式。 ***** ### 數據預處理： (1) 讀取圖像文件。 (2) 將 JPEG 文件解碼為 RGB 像素網格。 (3) 將這些像素網格轉換為浮點數張量。 (4) 將像素值（0~255 范圍內）縮放到 \[0, 1\] 區間（正如你所知，神經網絡喜歡處理較小的輸入值）。 幸運的是，`Keras` 擁有自動完成這些步驟的工具。`Keras `有一個圖像處理輔助工具的模塊，位于 `keras.preprocessing.image`特別地，它包含`ImageDataGenerator`類，可以快速創建 `Python `生成器，能夠將硬盤上的圖像文件自動轉換為預處理好的張量批量 ***** 為了進一步降低過擬合，你還需要向模型中添加一個`Dropout`層，添加到密集連接分類器之前 *****