TensorFlow个人笔记1---Parametric_relu & Batch normalization

 

        1.Parametric_relu的TensorFlow实现

            def parametric_relu（_x）：
            alphas = tf.get_variable（'alpha'，_x.get_shape（）[ - 1 ]，
            初始值设定项 = tf.constant_initializer（0.0），

            D型 = tf.float32）

            pos = tf.nn.relu（_x）

            neg = alphas *（_ x - abs（_x））* 0.5

            返回 pos + neg

参考链接：HTTPS：//stackoverflow.com/questions/39975676/how-to-implement-prelu-activation-in-tensorflow 

2.批量归一化的TensorFlow实现

   批量标准化原理：

bn = tf.contrib.layers.batch_norm（conv，center = True，scale = True，

衰减 = 0.9，is_training = is_train，

updates_collections = 无）

返回

 

3.遇到的问题：

在2中，如果将bn直接添加到推理中，测试会报错“NotFoundError：  Key <variable_name>在检查点Tensorflow中找不到   ”。因为训练参数只在内存中，没有存到检查点文件中，知道怎么解决这个问题。

相关问题链接：https ：//stackoverflow.com/questions/45179556/key-variable-name-not-found-in-checkpoint-tensorflow/45194315#45194315

但是，将BN直接写进之前定义的函数里（例如conv2d），就可以成功训练和测试了。