## VGG16 卷積基實例化： ~~~ from keras.applications import VGG16 conv_base = VGG16(weights='imagenet', include_top=False, input_shape=(150, 150, 3)) ~~~ * `weights`指定模型初始化的權重**檢查點**。 * `include_top`指定模型最后是否包含**密集連接分類器**。默認情況下，這個密集連接分類器對應于 ImageNet 的 1000 個類別。因為我們打算使用自己的密集連接分類器（只有兩個類別：`cat`和`dog`），所以不需要包含它。 * `input_shape`是**輸入到網絡中的圖像張量的形狀**。這個參數完全是可選的，如果不傳入這個參數，那么網絡能夠處理任意形狀的輸入。 ***** ## 方法一： 在你的數據集上**運行**卷積基，將**輸出** **保存**成硬盤中的 **Numpy 數組**，然后用這個數據**作為輸入**，輸入到**獨立的密集連接分類器**中。 * 使用預訓練的卷積基提取特征 * 定義并訓練密集連接分類器 ## 方法二： 擴展`conv_base`模型，然后在輸入數據上端到端地運行模型 *****