使用VGG16构建图像分类模型

这篇文章介绍如何使用Keras构建一个图像分类模型，使用预训练的VGG16模型作为特征提取器。

代码首先定义了一个Sequential模型，然后按顺序添加以下层：

1. VGG16模型: 作为特征提取器，加载预训练的权重，并冻结其参数以防止在训练期间更新。
2. Flatten层: 将VGG16输出的特征图转换为一维向量。
3. 全连接层: 添加两个全连接层，使用ReLU激活函数引入非线性。
4. Dropout层: 防止过拟合，丢弃一部分神经元。
5. 全连接层: 最后一层使用softmax激活函数进行多类别分类。

通过model.summary()可以查看模型的结构和参数数量，方便了解模型的复杂度和训练所需的计算资源。