slim.arg_scope()

slim.arg_scope（）

slim.arg_scope可以定义一些函数的默认参数值，在scope内，我们重复用到这些函数时可以不用把所有参数都写一遍，注意它没有tf.variable_scope()划分图结构的功能，

1 2 3 4 5 6 7 8 9 10 11 12

with slim.arg_scope([slim.conv2d, slim.fully_connected],                     trainable=True,                     activation_fn=tf.nn.relu,                     weights_initializer=tf.truncated_normal_initializer(stddev=0.01),                     weights_regularizer=slim.l2_regularizer(0.0001)):     with slim.arg_scope([slim.conv2d],                         kernel_size=[3, 3],                         padding='SAME',                         normalizer_fn=slim.batch_norm):         net = slim.conv2d(net, 64, scope='conv1'))         net = slim.conv2d(net, 128, scope='conv2'))         net = slim.conv2d(net, 256, [5, 5], scope='conv3'))

slim.arg_scope的用法基本都体现在上面了。一个slim.arg_scope内可以用list来同时定义多个函数的默认参数（前提是这些函数都有这些参数），另外，slim.arg_scope也允许相互嵌套。在其中调用的函数，可以不用重复写一些参数（例如kernel_size=[3, 3]），但也允许覆盖（例如最后一行，卷积核大小为[5，5]）。
另外，还可以把这么多scope封装成函数：

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

def new_arg_sc():     with slim.arg_scope([slim.conv2d, slim.fully_connected],                         trainable=True,                         activation_fn=tf.nn.relu,                         weights_initializer=tf.truncated_normal_initializer(stddev=0.01),                         weights_regularizer=slim.l2_regularizer(0.0001)):         with slim.arg_scope([slim.conv2d],                             kernel_size=[3, 3],                             padding='SAME',                             normalizer_fn=slim.batch_norm) as sc:             return sc   def main():     ......     with slim.arg_scope(new_arg_sc()):         ......

 

slim.utils.collect_named_outputs()

将变量取个别名，并收集到collection中

1	net = slim.utils.collect_named_outputs(outputs_collections,sc.name,net)

 参数意义如下，

return：这个方法会返回本次添加的tensor对象，
参数二：意义是为tensor添加一个别名，并收集进collections中
查看源码可见实现如下

if collections:
    append_tensor_alias(outputs,alias)
    ops.add_to_collections(collections,outputs)
return outputs

据说本方法位置已经被转移到这里了，
from tensorflow.contrib.layers.python.layers import utils
utils.collect_named_outputs()

 

slim.utils.convert_collection_to_dict()

1 2 3 4 5 6

#集合转换为字典，{节点名：输出张量值} end_points = slim.utils.convert_collection_to_dict(end_points_collection)