keras 多张图片：
很多情况下，你并不能使用以上这些方法来直接输入数据去训练或者预测，原因是你的数据集太大了，没办法把所有的图片都载入到内存当中。那keras的data generator就派上用场了，当你的模型需要训练数据的时候，generator会自动从cpu生成一批图片，喂到GPU里面让模型进行训练，依次循环，直到训练结束。
压缩数据中维度为1的维度， numpy.squeeze()
模型是不能直接对图片进行卷积操作的，必须先转化为numpy数组才能输入模型里面去，而且如果数据集的图片尺寸不统一，也有不同的操作细节。
keras 模型保存路径： C:\Users\你的用户名.keras\models
notop代表是否包括顶层的全连接层，默认include_top=True，包括全连接层。
tf -- tensorflow 或者 CNTK
th -- theano
使用python进行数字图片处理，可以使用pillow包，它是由PIL fork发展而来的。使用时需要import从PIL fork中导出。同时使用open()函数来打开图片，使用show()函数来显示图片。
