celebA 数据集上的多标签分类

实验步骤：
1.获得数据：实验只用了1000个数据，另外在celebA数据集上多加了两个标签（有无左耳/右耳）
2.生成训练和测试用的 tfrecords 文件
3.定义网络结构 （这里用的是类似于 mobilenetv2 的网络结构）
3.softmax多标签分类

PART 1

mobilenetv2：将普通卷积操作因式分解为一个深度卷积（depthwise conv）和逐点卷积（pointwise conv），深度卷积只与输入的每一个channel作卷积，逐点卷积负责将深度卷积按通道融合。

两种交叉熵损失函数的比较

PART 3

实验只用了1000个数据，另外在celebA数据集上多加了两个标签（有无左耳/右耳），其中900个用于训练，100个用作验证，迭代2001次，训练准确率接近百分之百，应该是过拟合了吗哈哈哈哈，我在验证集上的精度也有百分之九十九~

准确率
损失函数

程序：github multi-label classify