本打算使用InceptionV4进行构建网络进行二分类实验，最后发现keras没有InceptionV4的预训练模型，决定先用keras自带的InceptionV3预训练模型搭建网络。

我们的问题起源于在构建inceptionV3进行二分类训练时，训练过程一帆风顺，拥有95%以上的准确率，而在进行测试的时候，预测结果总是偏向一个结果[1. , 0.]。

最开始我推测是我网络构建上出了问题，因为观测到的现象是经过3-1到3-2一个晚上的训练，训练集与验证集上的准确率都很高的情况下，测试的结果确全部导向一个类，所以问题出在网络中的自定义部分使用的**函数？还是keras自动生成数据的方式上？

这一天内我进行了各种尝试，我试过更换最后的全连接层的神经元数量，并且更换响应的**函数（一个神经元加上做sigmod二分类，或者两个神经元加上softmax做多分类下的二分类），最后结果却并无明显改变。

我的程序是过去使用VGG16为主干网络做的二分类，为了验证keras自动生成训练数据的正确性，以及网络最后自定义的用来分类的全连接层是否可靠，我换回了VGG16进行测试，结果显示后者无异常。

这就奇怪了，难道说是VGG与Inception之间有一些区别，需要再外围网络上改动吗？以我的水平我觉得这是一个短时间内不可能得到答案的思路。
我的做法是：上网再找一个例程测试，最后我找到了一个作者自己跑出来并且放了训练截图的程序，临近傍晚的时候我花了一个多小时跑出了结果（之前就发现公司的服务器环境出了问题，我也不敢瞎装，就在另一台空闲的服务器上在anaconda3的虚拟环境下装了tensorflow和keras，具体啥版本忘了，下次更），经过CPU吭哧吭哧跑完，使用对方的例程一测试，没问题，程序正常，结果正常。。。

经过比对，原来是在预测的时候，图片送进模型前的预处理不一样，对方引用了 keras.applications.inception_v3.preprocess_input
我将自己的测试程序添加此处理后也成功进行了测试，之后去测试今天一天跑出来的前几个模型，除了一些一开始就发现不对劲停掉的，其他的都表现正常了。
数据预处理解析（待补充）

这启示我们什么呢？
1.忽略了数据预处理的细节，就会出现后面预测的时候的问题，谁能想到是投喂数据与测试数据不同呢？这告诉我们，很多事情一定要搞清楚，否则团团转，其次也告诉我们清晰的思路很重要，在解决问题发散思路的时候要有个度，如果当初我看到了VGG和Inception的表现不同一头扎进网络结构里面，那直到我写这些东西的时候估计还陷在里面（不禁感叹：啊！我运气真好哈哈哈哈！）

2.keras这种工具的封装对于初学者来说是非常方便，可是不够灵活，不管是很多网友还是开发者研究者，很多人都有这种看法：封装得简洁的东西会失去一定的灵活性，这与这次的实践不谋而合。想要深入研究以至于走向创新，还是要一定程度深入底层原理，自己在一定程度上亲手搭建，才会放心，并且都在意料之中。

3.别以为自己看了几堂课就啥都会了，需要在实践中扎实内功。实践中还反映了工作习惯不好，版本管理一塌糊涂，
4.还是缺一门手艺啊。。。。就这么搞啥时候是个头啊，这两个月除了这些必须要在一个方面学一门扎实的技能，神经网络只是一种工具，调教好它也是本事，可是自己要能当饭吃的手艺，希望自己能在两个月内做到。

使用Keras以inceptionV3作为主干网络进行迁移学习遇到的问题
使用Keras以inceptionV3作为主干网络进行迁移学习遇到的问题

今天全国除了湖北只有6例，想必也快到了回公司那边的时候了，上大学以来就没在家呆过这么长时间。。。唉，还是离父母近一点好啊。