在mnist数据集上搭建BP神经网络，完成在测试集上的训练，详情参看：基于TensorFlow的mnist数据集BP网络搭建
那么我们思考：1.能不能对实际图片进行预测？ 2.能不能用自定义的图片数据集进行预测？
首先看问题1，为了方便训练在mnist_backward.py中加入断点续训，这样在恢复训练后能继续上次的训练轮数，不必再重新开始：
断点续训
其中，tf.train.get_checkpoint_state(checkpoint_dir,latestfile=None)表示如果文件夹包含有效断点文件则返回该文件，saver.restore(sess,ckpt.model_checkpoint_path)是恢复当前会话，将ckpt中的最新的w,b付给当前会话中。
在完成断点续训后，我们继续解决问题1，对实际图片进行预测，总共分2部：1）输入实际图片，对图片进行预处理使其符合NN要求；2）复现NN喂入图片。
先看步骤1），我们对图片进行简单的预处理，灰度化和二值化，使其大小为28*28，像素值在0-1之间黑底白字，大小是1行784列的数组。
预处理
步骤2）复现神经网络，
复现NN
还是，首先创建默认图，输入x占位，调用forward输出得到概率最大的索引值即预测y，实现滑动平均，传入更新速度moving_average_decay,并把每次更新得到的w,b和影子值保存。开启会话，根据chekpoint文件找到最新模型，喂入图片并计算返回预测值。
这两个步骤实现后我们只需在应用模块中调用就可：
应用
在训练模型达到一定准确度后，运行application，就可以完成对实际图片的预测：
在下一篇，继续分析问题2，对自定义的图片数据集进行训练。
新手学习，欢迎指教！！
