之前的文章介绍了使用Keras解决二分类问题。那么对于多分类问题该怎么解决？本文介绍利用深度学习----Keras进行多分类。

1. 准备数据集

为了演示，本次选用了博文keras系列︱图像多分类训练与利用bottleneck features进行微调（三）中提到的数据集，原始的数据集将所有类别的train照片放到train文件夹中，所有的test照片放在test文件夹中，而用不同数字开头来表示不同类别，比如以3开头的照片就是bus类等。首先将这些不同类别的照片放在不同的文件夹中，最终的train文件夹有5个子文件夹，每个子文件夹中有80张图片，最终的test文件夹中有5个子文件夹，每个子文件夹中有20张图片。总共只有500张图片。

在代码上，需要用ImageDataGenerator来做数据增强，并且用flow_from_directory来从文件夹中产生数据流。
代码和二分类的文章基本相同，唯一的不同之处是要设置class_mode='categorical'，而不是原来二分类问题的class_mode='binary'

2. 模型的构建和训练

基本和二分类一样，如下为模型的构建部分：</