关于tensorflow分类模型程序的训练架构的一点思考

过去的一点不成熟的想法，记下来供以后参考。

参考tf-slim并简化，可以大致把tensorflow分类模型的python程序，划分为如下的目录结构：

 

训练程序目录结构：
tfrecord_generate.py tfrecord生成
用于把数据集生成tfrecord格式的二进制文件
完成

data_input.py 控制数据输入
在里面指定输入数据集的名称以及对应data、label的参数
完成

*wrapped_layers.py  层
用基本函数包装过的层，可以直接调用

*subgraph_zoo 子图模块文件夹，子图是为了方便构成model，介于layer和model之间
用于存放构建model用的子图，每个子图写成一个类。格式例如subgraph_zoo/resnet18_subgraph.py

model 模型文件夹 （相当于caffe中train，val和deploy的prototxt）
模型文件包括graph和trainop等，由subgraph_zoo里面的子图拼成，加上gradien，optimizer等。格式例如model/resnet18_model.py
也可以引入其他有预训练存档的模型

main.py 主程序 （相当于caffe中solver）
FLAGS，训练函数及超参数设定