利用vgg16进行的猫狗图像的分类，由于其在模型比普通的cnn的层更加复杂，所以分类效果较优。同时可根据结果添加dropout层避免出现的过拟合现象。训练和测试图像较大没有放上来，可私聊/评论后发送。

通常VGG训练模型下载需要连接，且下载速度慢，资源大小相对较大，下载慢，影响深度学习的热情，尤其是迁移学习这一块更是对VGG模型不可或缺。连接提供资源链接。 模型下载后参考我的模型加载方法就可以生成绚丽多彩的图片了

unet+VGG16的预训练模型

主要介绍了keras实现VGG16方式(预测一张图片)，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

openpose训练时需要的两个文件，openpose_coco.npy和openpose_vgg16.npy

简洁：1.数据集采用flickr8k（图像，对应的文本描述），使用keras创建VGG16定义的CNN网络。利用VGG16（去掉最后一层）提取图像特征，将flickr8k的图像文件转为图像特征，保存为pickle文件。 2.写不下了，自己看吧，代码有注释 涉及技术：Pycharm + Keras + Python 3.6 + numpy + opencv3.3.1等 该项目是对Jason Brownlee的文章《How to Automatically Generate Textual Descriptions for Photographs with Deep Learning》的代码复现。

windows+TensorFlow/keras+vgg16训练自己的数据集-附件资源

CNN-VGG16图片性别年龄识别（说白了就是图片分类）-附件资源

由于资源较大，文档提供的是百度云下载链接（已更新）。请大家按需下载，绝不强制。若有问题请及时联系我。谢谢

vgg16网络，直接训练预测，方便有效