densenet121官方预训练模型，可以用于迁移学习训练

本人依据Densenet121预训练模型进行迁移学习，可识别柑橘叶片的正常、缺镁、黄龙病三种状态，最高准确率可达99.3%，可通过tensorboard进行训练数据图像的获取。

densenet121_weights_tf.h5 最好的深度学习网络的权重 代码在github上可以找到！

本例提取了猫狗大战数据集中的部分数据做数据集，演示tensorflow2.0以上的版本如何使用Keras实现图像分类，分类的模型使用DenseNet121。本文实现的算法有一下几个特点： 1、自定义了图片加载方式，更加灵活高效，节省内存 2、加载模型的预训练权重，训练时间更短。 3、数据增强选用albumentations。 详见：https://wanghao.blog.csdn.net/article/details/122607363?spm=1001.2014.3001.5502

Keras实现DenseNet121图像分类任务。数据集使用猫狗大战。详见文章：https://blog.csdn.net/hhhhhhhhhhwwwwwwwwww/article/details/122599503?spm=1001.2014.3001.5501

预训练好的网络权重。需要的可以下载奥。希望了对大家有用。

densenet121_weights_tf_dim_ordering_tf_kernels_notop

model weight in this repo https://github.com/fchollet/deep-learning-models Keras提供的预训练权重

pytorch的官方预训练模型：densenet121-a639ec97.pth，

keras 各种fine tune，深度学习专用，机器学习专用，代码简单，vgg resnet inception..