python tensorflow学习（六）tensorflow高级API：Slim使用入门_import tensorflow.contrib.slim as slim-CSDN博客

本文链接：https://blog.csdn.net/lzr_ps/article/details/100167439

本文介绍TensorFlow的Slim库，一个用于构建、训练和评估复杂模型的轻量级框架。Slim简化了变量、层和参数空间的使用，通过命名空间和预定义模型提高代码效率和可读性。示例展示了Slim中变量、层的定义及参数空间的运用。

摘要由CSDN通过智能技术生成

tensorflow高级API：Slim使用入门

终于想起来我的csdn密码了（好吧其实是懒）

————————分割线——————————

今天开始进入tensorflow的高级阶段——Slim。
Slim是Tensorflow在0.10版中新加入的一个用于定义、训练和评估较为复杂模型的轻量级开发类库，能大量地减少程序重复性的模板性程序代码的编写，让代码更加简洁。这主要得益于其在实际程序设计时使用了大量的“命名空间”（argument scoping）和不同层的变量。
此外，Slim提供了大量常用的简化模型可以直接调用，比如前面用到的AlexNet和VGG。
大纲：

Slim中变量的使用
Slim中层的使用
Slim中参数空间的使用

Slim中变量的使用

在经典的tensorflow程序中，变量分为“普通变量”和“模型变量”。大多数的变量是普通变量，可以被创建并且在整个程序运行周期内传送，在需要的情况下可以被存储到硬盘上。使用方法如下：

import tensorflow.contrib.slim as slim
import tensorflow as tf
#Regular variables
my_var = slim.variable('my_var',
						shape=[20, 1],
						initializer=tf.zeros_initializer())
variables = slim.get_variables()

with tf. Session() as sess:
   sess.run(tf.global_variables_initializer())
   print(sess.run(my_var))
   print("-------------")
   print(sess.run(variables))

结果请自行打印.
而模型变量在发挥其作用之后会立刻被销毁，比如global_step、bn层中用到的均值与方差等。
其使用方法如下：

import tensorflow.contrib.slim as slim
import tensorflo