環境：
anaconda5+python3.6+tensorflow1.8.0（？）

背景知識請閱讀這篇部落格。

開始正文

step1 將預訓練的alexnet從caffe轉換至tensorflow
#1 alexnet.py 定義原始alex網路的class
#2 caff_classes.py 原始alex網路在caffe中的分類類別的class
#3 bvlc_alexnet.npy 從caffe中的alexnet儲存轉換出來的引數檔案，儲存了重建網路所需的weight和bias等值
#4 myalexnet_forward_newtf.py 從caffe轉換到tensorflow後的原始alex網路的分類測試模型，用以驗證載入的模型引數是否有效
 

#5 test images 儲存了一些可以直接用於測試分類效果的圖片，分類時拷貝相應圖片至python檔案目錄下

step2 微調網路（遷移）
#5 finetune.py 重新微調的alexnet，使之適用於自己的應用
#6 datagenerator.py 用於生成微調所用的資料

其他參考
#7 407_transfer_learning.py 莫煩老師的遷移學習教程，之後介紹
#8 vgg16.npy file7所需的預訓練模型引數，同file3

• step1操作
  只需要將提到的檔案放在同一目錄下，在spyder中執行myalexnet_forward_newtf.py即可。依賴的包沒有裝齊全的話可以回遇到一些error，根據提示自行百度可以理解，然後pip install 相應的包。可以會遇到連結超時無法安裝的問題，這時候一般是pip映象被牆了，可以自行百度 “pip國內源” 相應解決。
  輸出結果是這樣的：
  

  
  測試的是dog2和zebra，狗和斑馬。上圖中的分類結果是前五的分類結果。可以看出dog2的情況不太好，因為特徵可能不太明顯；而斑馬的情況很好，個人覺得是斑馬本身的特徵就很明顯，所分類結果相對更準確一點。個人也驗證了原參考部落格中的三張驗證圖片，並不能達到這麼好的效果，也不知到為什麼。
  

• step2操作
  之後再更