起因：这两天在赶论文，想要在文章中加入深度模型每层提取到的特征对比，查了一下，好像caffe在这方面的工具做的挺好的，tensorflow下好像没有特别好的工具，好不容易找到一个：quiver。这是一个针对keras平台的一个可视化工具，用flask在web上实现。具体可以看下这个视频YOUTUBE，是不是很炫？加到论文里一定效果不错。
直接介绍我的排雷过程吧，安装一切顺利，没有什么问题。
如果你机器上有使用GPU加速，在运行前先输入代码‘export BROWSER=google-chrome’，具体为什么我也不知道，反正我在这之前报错了
第一颗雷：开始用的时候，是用的VGG16，对没有指定标签的图像在运行的时候会显示下载imagenet的标签，但是！由于各种原因，你会发现无法下载
解决办法就是按上面说的地址自己下载，然后放到~/.keras/model/ 文件夹下。
第二颗雷：之后在VGG16下使用都没问题，问题出在InceptionV3和InceptionResNetV2下：
追踪错误可以发现是因为reshape出错，而且最后追到是没有参数传入，我猜想是因为获取模型输入图像参数出现了问题，众所周知InceptionV3和InceptionResNetV2的模型输入大小是（299,299,3）的图像，因而在输入前需要对输入图像reshape，而默认的输入图像大小一般是在定义模型的py文件中，我就开始追代码，在keras.application下的模型定义py文件中果然找到了
左边是InceptionV3中的，右边是VGG16中的，可以看到两者基本一样，只是在require_flatten这个参数不同，在本机的keras中修改这个文件，让require_flatten=include_top，（本机keras在‘~/.local/lib/python3.6/site-packages/keras/’），修改后就能准确获取默认图像大小了
第三颗雷：本以为一切顺利了，没想到在运行的时候又报错了
继续搜吧...找到一个issue，问题和我遇到的问题一模一样，找到的解决方案就是让系统动态占用显存
再次运行！终于好了TT
赶紧接着写论文了......