TensorFlow 使用 slim 模块搭建复杂网络

最新推荐文章于 2020-07-23 16:39:39 发布

阿豪boy

最新推荐文章于 2020-07-23 16:39:39 发布

阅读量203

点赞数

文章标签：网络 python tensorflow 深度学习 java

本文链接：https://blog.csdn.net/qq_35516360/article/details/122066103

版权

本文介绍了如何使用TensorFlow的slim模块搭建复杂的神经网络，包括利用slim.repeat和slim.stack简化模型搭建，定义损失函数，训练模型以及从checkpoint恢复模型参数的技巧。此外，还给出了vgg16模型的搭建示例。

摘要由CSDN通过智能技术生成

原文链接: TensorFlow 使用 slim 模块搭建复杂网络

上一篇: scrapy 代理使用

下一篇: TensorFlow infogan 生成 mnist 数据集

参考

https://blog.csdn.net/guvcolie/article/details/77686555

https://www.cnblogs.com/zyly/p/9146787.html

引入模块

import tensorflow.contrib.slim as slim

简化模型搭建

input = ...
with tf.name_scope('conv1_1') as scope:
  kernel = tf.Variable(tf.truncated_normal([3, 3, 64, 128], dtype=tf.float32,
                                           stddev=1e-1), name='weights')
  conv = tf.nn.conv2d(input, kernel, [1, 1, 1, 1], padding='SAME')
  biases = tf.Variable(tf.constant(0.0, shape=[128], dtype=tf.float32),
                       trainable=True, name='biases')
  bias = tf.nn.bias_add(conv, biases)
  conv1 = tf.nn.relu(bias, name=scope)


net = slim.conv2d(input, 128, [3, 3], scope='conv1_1')

TF-Slim提供了标准接口用于组建神经网络，包括：

Layer	TF-Slim
BiasAdd	slim.bias_add
BatchNorm	slim.batch_norm
Conv2d	slim.conv2d
Conv2dInPlane	slim.conv2d_in_plane
Conv2dTranspose (Deconv)	slim.conv2d_transpose
FullyConnected	slim.fully_connected
AvgPool2D	slim.avg_pool2d
Dropout