Tensorflow slim库使用小记

最新推荐文章于 2024-08-17 12:52:07 发布

Cyiano

最新推荐文章于 2024-08-17 12:52:07 发布

阅读量2.5w

点赞数 8

分类专栏：深度学习 Python 文章标签： tensorflow slim

本文链接：https://blog.csdn.net/cyiano/article/details/75006883

版权

这篇博客介绍了Tensorflow的Slim库，它为tf提供高层封装，简化了conv2d、max_pool2d和fully_connected等函数的使用。文章讨论了slim.arg_scope的用法，并提到了batch normalization在训练和测试阶段的注意事项，强调了is_training参数的重要性。

摘要由CSDN通过智能技术生成

Tensorflow slim库使用小记

slim库是tensorflow中的一个高层封装，它将原来很多tf中复杂的函数进一步封装，省去了很多重复的参数，以及平时不会考虑到的参数。可以理解为tensorflow的升级版。

导入方式：

import tensorflow as tf
import tensorflow.contrib.slim as slim

常用函数

slim.conv2d

slim.conv2d是基于tf.conv2d的进一步封装，省去了很多参数，一般调用方法如下：

net = slim.conv2d(inputs, 256, [3, 3], stride=1, scope='conv1_1')

前三个参数依次为网络的输入，输出的通道，卷积核大小，stride是做卷积时的步长。除此之外，还有几个经常被用到的参数：

padding : 补零的方式，例如'SAME'
activation_fn : 激活函数，默认是nn.relu
normalizer_fn : 正则化函数，默认为None，这里可以设置为batch normalization，函数用slim.batch_norm
normalizer_params : slim.batch_norm中的参数，以字典形式表示
weights_initializer : 权重的初始化器，initializers.xavier_initializer()
weights_regularizer : 权重