ImageNet数据介绍，本文采用的ImageNet2012数据集

    训练集链接（linux系统用aria2c命令下载，130+G）
    ILSVRC2012_img_train.tar（每个label样本数为1300）
    http://academictorrents.com/download/a306397ccf9c2ead27155983c254227c0fd938e2.torrent
    验证集链接（linux系统用aria2c命令下载,6G）
    ILSVRC2012_img_val.tar（每个label样本数为50）
    http://academictorrents.com/download/5d6d0df7ed81efd49ca99ea4737e0ae5e3a5f2e5.torrent

    创建train和val目录，分别将上面的压缩包放入其中，如下
    image.png
    其中，训练集解压后是每个label目录的压缩包（不要直接解压，直接解压出来的是图片，需先创建每个label的目录），验证集解压后是每个验证集图片，如下
    image.png

    训练集处理流程如下：

    1. tar -xvf ILSVRC2012_img_train.tar && rm ILSVRC2012_img_train.tar
    2. for label_t in `ls ./n*.tar`;
    3. do
    4.     mkdir ${label_t:0:11};
    5.     cp $label_t ${label_t:0:11};
    6.     tar -xvf ${label_t:0:11}/$label_t -C  ${label_t:0:11};
    7.     find -name ".tar" |xargs rm -fr ;
    8. done;

    验证集解压后处理流程：
    可参照此脚本https://raw.githubusercontent.com/soumith/imagenetloader.torch/master/valprep.sh