在小型数据集上从头开始训练一个卷积神经网络

从头开始训练一个小型模型、使用预训练的网络做特征提取、对预训练的网络进行微调。三个操作构成了工具箱，解决小型数据集的图像分类问题。
import os：获取文件所在路径
os.mkdir()——创建目录(注意：这样只能建立一层，要想递归建立可用：os.makedirs())
os.path.join(path, name)——连接目录和文件名。

先找到解压目录，分别对应划分训练、验证和测试目录。

import os, shutil

original_dataset_dir = 'D:/DeepLearning/kaggle' # 原始数据解压目录的路径

base_dir = 'D:/DeepLearning/kaggle/cats_and_dogs_small' # 保存较小的数据集的目录
os.mkdir(base_dir) # 创建一层目录

# 分别对应划分后的训练、验证和测试的目录
train_dir = os.path.join(base_dir, 'train') # 连接目录和文件名
os.mkdir(train_dir)
validation_dir = os.path.join(base_dir, 'validation')
os.mkdir(validation_dir)
test_dir = os.path.join(base_dir, 'test')
os.mkdir(test_dir)

哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈哈