在tensorflow+VGG运行的第一个程序

试着在tensorflow上运行第一个小程序，其中源代码都是有的，具体网址可以看这个https://www.cs.toronto.edu/~frossard/post/vgg16

原来是caffe的，现在移植到了tensorflow上，能够提供更好的接口

输出模型的类型，即我们需要分类的名称都在imagenet_classes.py上

vgg16_weights.np是已经训练好的权重，，可以直接调用

vgg的网络结构都在vgg16.py里面，有空可以来分析分析~，作者在里面加入了预处理，直接可以计算平均像素值，不用像caffe还要自己生成，VGG的结构如下：

VGG是卷积网络，由图片上可知，前面经历了卷积+激活（激活函数采用的是relu，relu函数在收敛性和时间上都较优于其他函数，后面讲对relu的函数性能做解释），然后进行池化层，再进行一次全连接+relu激活，最后激活函数采用的softmax，softmax可以对属于的类进行判断，生成属于每一类的概率值，概率最大的值就是最后的归属类，同时也可以看到属于其他类的概率值，这就是使用softmax的好处。

卷积我是这样理解的，类似于图像处理的模板，你统一输入一个模板，比如三阶的全1矩阵，你对图像中的每一个3阶矩阵进行卷积，最后得到的值都有可能不一样，有些得到的值一样的，可能像素值比较相同，相似度较高，明显不同图像的，得到的卷积值就不一样，所以卷积类似于提取特征。卷积就相当于是加权，但是卷积在处理的过程中卷积核进行了翻转，

池化的作用简单的说就是降维了。有很多种降维的方式，比如这里的max pooling，就是选择最大值进入下一层，比如2N*2N的原始图像，进行2*2的max pooling后就是N*N，瞬间减少了很多~减少了运算量。

下载好所有的文件运行python vgg16.py

由于tensorflow不支持py27,只能用py35,但是vgg里面是用的27的语法，所以会报这里的输出错误，只需要这样加个括号就行

然后再次执行，输出以下就是正确的

输出的是每一层的模型大小,最后的输出是各个的概率。。。。

不过很不高兴的是。。。居然把我的神兽

分类成了这个。。。

纸风车是什么鬼。。。什么鬼 。。。。哎，

对正常的还分类的比较对，哈哈

雪橇犬，种类还准确的~心疼的我神兽，其实我的神兽也是狗，哈哈~

对于vgg网络的细节，后面再继续谈~玩通一个网络，再继续下一个~come on guys~