1 转换内容斜体样斜体样式式
conv5=slim.conv2d(pool4,256,[3,3], rate=1, activation_fn=lrelu,scope='g_conv5_1')
conv_global = tf.reduce_mean(conv5,axis=[1,2])
# tf.reduce_mean 函数用于计算张量tensor沿着指定的数轴(tensor的某一维度)上的的平均值,
# 主要用作降维或者计算tensor(图像)的平均值。
conv_dense = tf.layers.dense(conv_global,units=128,activation=tf.nn.relu)
# dense:全连接层相当于添加一个层,即初学的add_layer()函数
feature = tf.expand_dims(conv_dense,axis=1)
# tf.expand_dims给定一个input,在axis轴处给input增加一个为1的维度。
feature = tf.expand_dims(feature,axis=2)
ones = tf.zeros(shape=tf.shape(conv4))
# 创建一个所有元素都设置为零的张量.
global_feature = feature + ones
tf.reduce_mean(input_tensor, axis=None, keepdims=False, name=None, reduction_indices=None)
Q2
1.1 axis在 tf.reduce_mean中的作用:沿着张量不同的数轴进行计算平均值。
1.1.1 axis缺失值为none,表示对所有元素求平均
如:a1=[1,2,3]
b1=[5,6,7]
c1=[[1,2,3],[5,6,7]]
tf.reduce_mean(c1,axis=none)
输出结果为(1+2+3+5+6+7)/6=4
Q3
tf.layers.Dense是一个类,tf.layers.dense是一个函数
对应的pytorch的nn.Linear(in_features=512 * 512 * 3, out_features=128)
Q4
tf.expand_dims给定一个input,在axis轴处给input增加一个为1的维度。
# axis=0其实代表的第一维度,那么1代表第二维度,2代表第三位度。