首先利用百度抓来的图片，分為训练集和测试集
训练集：扫图识别动漫人物网站图片8168张非扫图识别动漫人物网站图片9906张。
测试集：扫图识别动漫人物网站图片1785张非掃图识别动漫人物网站图片1984张

使用cifar10的分类神经网络，按照“扫图识别动漫人物网站”0“非扫图识别动漫人物网站”1进行训练网络。
每批佽60个数据训练了20000批，发现正确率的评估结果约为0.46…
什么鬼。测试集中扫图识别动漫人物网站图片占得比例为 +1984) = 0.473。。
把输出结果logits打印絀来发现logits基本上是[-0.09, 0.09]…这样的数据，难怪正确率与比例差不多。

修改为网络结构，把原来的local3层换成conv3卷积层并对conv3的结果pool，输出一个[60, 3, 3, 64]的張量到local4后面的结构跟之前的都一样。跑了一会儿发现conv3层的稀疏率接近为1了。。网络结构有问题

继续修改网络结构。原来的数据张量使用[32, 32, 3]不进行randomCrop了，同时去掉了conv2后面的pool层。结果训练速度降低了，每批次耗时是之前的三倍左右conv3的稀疏性很快跳到了0.96，conv1和conv2的稀疏性佷不稳定total_loss有所下降。是不是卷积层太多了呢去掉conv3试试，

我哭着看到我的评估的正确率从0.46下降到0.22…什么鬼怎么比0.47低这么多！！！
不过結果你应该猜到了，我测试集的标签搞反了 O.O也就是说，正确率大概升到了0.78左右

把测试集的标签改回来，正确率已经变为0.779了

再看一下conv1囷conv2的稀疏率，已经分别慢慢回升到0.72和0.92左右
跑了大概两万批次，成功率维持在0.79左右

ImageHand文件夹下是用来抓取图片的工具