AlexNet深度神经网络

from datetime import datetime
import math
import time
import tensorflow as tf

batch_size = 32
num_batches = 100

def print_activations（t）:
    print（t.op.name‘ ‘t.get_shape（）.as_list（））

def inference（images）:
    parameters = []

    with tf.name_scope （‘conv1‘） as scope:       #卷积层1和池化层1
        kernel = tf.Variable （tf.truncated_normal （[1111364]dtype = tf.float32stddev = 1e-1）name = ‘weights‘）
        conv =tf.nn.conv2d（imageskernel[1441]padding = ‘SAME‘）
        biases = tf.Variable （tf.constant（0.0shape = [64]dtype = tf.float32）trainable= Truename = ‘biases‘）
        bias = tf.nn.bias_add（convbiases）
        conv1=tf.nn.relu（biasname=scope）
        print_activations（conv1）
        parameters +=[kernelbiases]
        lrn1=tf.nn.lrn（conv14bias=1.0alpha=0.001/9beta=0.75name=‘lrn1‘）#LRN层
        pool1=tf.nn.max_pool （lrn1ksize=[1331]strides=[1221]padding=‘VALID‘name=‘pool1‘）
        print_activations（pool1）

    with tf.name_scope（‘conv2‘） as scope:     #卷积层2和池化层2
        kernel = tf.Variable（tf.truncated_normal（[5 5 64 192] dtype=tf.float32 stddev=1e-1） name=‘weights‘）
        conv = tf.nn.conv2d（pool1 kernel [1 1 1 1] padding=‘SAME‘）
        biases = tf.Variable（tf.constant（0.0 shape=[192] dtype=tf.float32） trainable=Truename = ‘biases‘）
        bias = tf.nn.bias_add（conv biases）
        conv2 = tf.nn.relu（bias name=scope）
        print_activations（conv2）
        parameters += [kernel biases]
        lrn2 = tf.nn.lrn（conv2 4 bias=1.0 alpha=0.001 / 9 beta=0.75 name=‘lrn2‘）
        pool2 = tf.nn.max_pool（lrn2 ksize=[1 3 3 1] strides=[1 2 2 1] padding=‘VALID‘ name=‘pool2‘）
        print_activations（pool2）

    with tf.name_scope（‘conv3‘） as scope:      #卷积层3
            kernel = tf.Variable（tf.truncated_normal（[33192384] dtype=tf.float32 stddev=1e-1） name=‘weights‘）
            conv = tf.nn.conv2d（pool2 kernel [1 11 1] padding=‘SAME‘）
            biases = tf.Variable（tf.constant（0.0 shape=[384] dtype=tf.float32） trainable=Truename = ‘biases‘）
            bias = tf.nn.bias_add（conv biases）
            conv3 = tf.nn.relu（bias name=scope）
            print_activations（conv3）

    with tf.name_scope（‘conv4‘） as scope:      #卷积层4
            kernel = tf.Variable（tf.truncated_normal（[3 3 384256] dtype=tf.float32 stddev=1e-1） name=‘weights‘）
            co