修复bug，在训练迭代过程中调用变量tf.image会导致内存暴涨，训练速度越来越慢。

简化模型参数保存方式。

增大模型容量，引入batch小批量梯度下降，当batch_size=1时为随机梯度下降。

引入batch_norm，正则化层内数据分布，加快梯度下降。

训练迭代过程中，避免多次调用sess.run()，防止变量运行多次导致数据混乱，如果要运行多个变量则调用一次sess.run()，传入多个参数批量返回结果。

600张样本图片，当batch_size=10，大约训练60 EPOCH时loss趋势图：

可以跑到3、500分

LetsJump

Android手机上自动玩微信跳一跳的TensorFlow实现

build_train_data.py

用于手动生成训练数据，生成的数据保存在train_data文件夹下，为图片和对应的按压时间。

lets_jump.py

用于Training/Play，目前save文件夹下已保存了训练两个多小时的模型，可以直接拿来用。
把手机连上电脑，确保电脑上已配置adb环境，打开跳一跳游戏界面，运行文件，开始愉快的玩耍。

以上训练数据和代码都是基于1920*1080分辨率手机

博客地址：用TensorFlow做一个玩微信跳一跳的AI