这里只写大概意思。帮助大家了解个大概的全貌。
主程序里，上面都是构造数据流图。然后sess.run时激活图。所以先从run开始看就行。然后输入假的X图像数据，通过inference输出假的Y结果。
y = LeNet5_infernece.inference(x,False,regularizer)
然后inference里，根据LeNet5结构，卷积C1--池化S2--卷积C3--池化S4--卷积C5--全连接F6.
大概里面内容就是（你能找到规律的）：
C1：
weight1：【5，5，1，32】
biase1：【32】
conv1=tf.nn.conv2d(input_tensor,weight1,stride...)
relu1=tf.nn.relu(tf.nn.bias_add(conv1,biase1))
C2:
pool2=tf.nn.max_pool(relu1,...)
C3:
weight3=[5,5,32,64]
biase3=[64]
conv3=..(con1,...)
relu3=(..conv3,biase3)
C4:
pool..
C5:
weight5=[node前面的，fc_size全连接数]
biase5=[fc_size]
...
C6:
weight=[fc_size,label数量]
biase=[label]
