看了篇文章，想到的一点东西，尝试一下。比较耗CPU，建议在服务器上跑。

首先要了解keras框架，深度学习，否则比较吃力

首先搭建基于keras框架的深度学习模型

from keras.models import *

from keras.layers import *

input_tensor = Input((height, width, 3))

x = input_tensor

for i in range(4):

    x = Convolution2D(32*2**i, 3, 3, activation='relu')(x)

    x = Convolution2D(32*2**i, 3, 3, activation='relu')(x)

    x = MaxPooling2D((2, 2))(x)

x = Flatten()(x)

x = Dropout(0.25)(x)

x = [Dense(n_class, activation='softmax', name='c%d'%(i+1))(x) for i in range(4)]

model = Model(input=input_tensor, output=x)

model.compile(loss='categorical_crossentropy',

              optimizer='adadelta',

              metrics=['accuracy'])

训练

model.fit_generator(gen(), samples_per_epoch=51200, nb_epoch=5,

                    nb_worker=2, pickle_safe=True,

                    validation_data=gen(), nb_val_samples=1280)

测试

X, y = next(gen(1))

y_pred = model.predict(X)

plt.title('real: %s\npred:%s'%(decode(y), decode(y_pred)))

plt.imshow(X[0], cmap='gray')

结果：