迁移学习核心思想使用小数据集来训练大型网络，里面坑太多，分享出来。我的CSDN上也有博客详细介绍https://blog.csdn.net/qq_34789262/article/details/82217683 首先明白几个概念： 1、加载模型 2、加载模型包括权重 3、加载除去头部的模型（全连接层为头部层）
目前迁移学习两种思路： 一、加载别人训练好的模型和权重，使用自己的小训练集再次训练，相当于微调整个网络权重 二、加载别人训练好的模型和权重，但是不要最后的全连接层，自己定义全连接层，因为最后的分类可能不一样，本例子中vgg16训练的IMAGE-NET1000分类的，我训练猫狗只有2分类，最后的全连接层要改。仍然使用自己小训练集训练，可以把前面的卷积层冻起来不训练，只训练全连接层，这样速度快一些（但是会对模型准确率有影响）
创建weights.h5用来保存模型 创建训练集train1 cats dogs 验证集测试集同理