---恢复内容开始---
1. 加载必要的库；
2. 设置当前目录，判断模型是否训练好；
3. 利用提前训练好的模型，设置测试网络；
4. 加载测试图片，并显示；
5. 编写一个函数，将二进制的均值转换为python的均值；（计算均值是为了减少计算量和增强精度）
6. 将图片载入blob中,并减去均值；
7. 显示减去均值前后的数据；
8. 运行测试模型，并显示各层数据信息；
9. 显示各层的参数信息；
10. 编写一个函数，用于显示各层数据；
11. 显示第一个卷积层的输出数据和权值（filter）；
12. 显示第一次pooling后的输出数据；
13. 显示第二次卷积后的输出数据以及相应的权值（filter）；
14. 显示第三次卷积后的输出数据以及相应的权值（filter）,取前１024个进行显示；
15. 显示第三次池化后的输出数据；
16. 最后一层输出属于某个类的概率；
7~15是为了数据可视化，与测试本身无关；
计算的结果显示了该数据属于之前各个数据的概率！！！
---恢复内容结束---