TensorFlow3 加快识别速度

思路1：迁移学习 简化模型

原因：由于InceptionV3模型有20层，90M大小，因此导致识别单张图片很慢（5.8秒）。
目的：识别即快（而且模型小），又准。目前先研究快。
策略：简化InceptIonV3模型，或换只有8层的AlexNet模型。

预备知识：
各模型对比

思路2：自己写卷积层、池化层（复现LeNet）

既然是要精简模型的，为什么不自己从头开始写一个简单的模型呢？
参考《TF实战gg深度学习框架》6.4节
设计一个LeNet模型的网络（2卷积层+2池化层）

要求：

1. 训练：提供Train和Validation文件夹，分别有du和budu两类。
2. 测试：提供Test文件夹，里面只有一堆图片。