Google Tensorflow 迁移学习 Inception-v3

提供代码及相关数据集地址 https://github.com/Liuyubao/transfer-learning ，如需进一步了解，请参考该资源

一、Inception-V3模型

1.1 详细了解模型可参考以下论文：

[v1] 探索深度卷积网络（Going Deeper with Convolutions）取得了一定成果（取得了约6.67%的测试误差率），并提供了相应的参考文献链接。
http://arxiv.org/abs/1409.4842
[v2] 在数据科学领域中引入批归一化技术（Batch Normalization）有助于加快深层网络的训练速度（通过减少内部协变量偏移加速深层网络训练）。该技术在多个实验中表现优异（取得了约4.8%的测试误差率），并提供了相关的论文链接。
http://arxiv.org/abs/1502.03167
[v3] 重新思考计算机视觉中的Inception架构（Rethinking the Inception Architecture for Computer Vision）并对其进行了优化改进。
http://arxiv.org/abs/1512.00567
[v4] 深入研究了Inception-v4与Inception-ResNet架构及其残差连接对学习的影响（Inception-v4与Ince