定义前向传播模块 - inference

应要求，贴上inference模块供大家参考。

里面的网络结构可以自己定义。

分离inference模块，有利于程序的可读性和操作性。高内聚，低耦合？

import tensorflow as tf

# 定义神经网络结构相关的参数
INPUT_NODE = 128*128
OUTPUT_NODE = 62

IMAGE_SIZE = 128
NUM_CHANNELS = 1
NUM_LABELS = OUTPUT_NODE

# 第一层卷积层的尺寸和深度
CONV1_SIZE = 5
CONV1_DEEP = 32


# 第二层卷积层的尺寸和深度
CONV2_SIZE = 5
CONV2_DEEP = 64

# 全连接层的节点个数
FC_SIZE = 512


# 定义神经网络的前向传播过程
def inference(input_tensor, train,  regularizer):
    # 第一层卷积层，输出28*28*32的矩阵
    with tf.variable_scope('layer1-conv1'):
        conv1_weights = tf.get_variable("weight", [CONV1_SIZE, CONV1_SIZE, NUM_CHANNELS, CONV1_DEEP],
                                        initializer=tf.truncated_normal_initializer(stddev=0.1))
        conv1_biases = tf.get_variable("bias", [CONV1_DEEP], initializer=tf.constant_initializer(0.0))

        # 使用边长为5，深度为32的过