上期文章我们分享了如何使用LetNet体系结构来搭建一个图片识别的神经网络：
人工智能Keras的第一个图像分类器（CNN卷积神经网络的图片识别）
本期我们基于VGGNet神经网络来进行图片的识别，且增加图片的识别种类，当然你也可以增加更多的种类，本期代码跟往期代码有很大的相识处，可以参考
VGGNet基础
VGG16结构图
- 输入是大小为224*224的RGB图像，预处理（preprocession）时计算出三个通道的平均值，在每个像素上减去平均值
- 图像经过一系列卷积层处理，在卷积层中使用了非常小的3*3卷积核，在有些卷积层里则使用了1*1的卷积核。
- 卷积层步长（stride）设置为1个像素，3*3卷积层的填充（padding）设置为1个像素。池化层采用max pooling，共有5层，在一部分卷积层后，max-pooling的窗口是2*2，步长设置为2。
- 卷积层之后是三个全连接层（fully-
