tensorflow学习（7）：slim简化池化层代码

1. 直接使用tensorflow原始的API实现卷积层

with tf.variable_scope(scope_name):
	weights = tf.get_variable("weight",...)
	biases = tf.get_variable("bias",...)
	conv = tf.nn.conv2d
	relu = tf.nn..relu(tf.nn.bias_add(conv,biases))

然而，在复现经典网络架构的时候，比如Googlenet这种动不动几十层上百层的网络，这么写的话，代码量会很大，冗余。为此，tensorflow提供了tensorflow-slim实现卷积层。通过tensorflow-slim可以在一行中实现一个卷积层的前向传播算法。其中，slim.conv2d函数的3个参数是必填的：
第一个参数是输入节点矩阵
第二个参数是当前卷积层过滤器的深度
第三个参数是过滤器的尺寸
另外，可选的参数有过滤器移动的步长、是否使用全0填充，激活函数的选择以及变量的命名空间等。
如:
slim = tf.contrib.slim
net = slim.conv2d(input, 32, [3,3])

另外，slim.arg_scope函数可用于设置默认的参数取值。slim.arg_scope函数的第一个参数是一个函数列表，在这个列表中的函数将使用默认的参数取值。比如通过下面的定义，调用slim.conv2d(net, 320, [1,1]) 函数时会自动加上stride = 1 和padding = ‘SAME’ 的参数。如果在函数调用时指定了stride， 那么这里的默认值就不再使用。
with slim.arg_scope([slim.conv2d, slim.max_pool2d, ],stride = 1, padding = ‘SAME’):
net = slim.conv2d(input, 32, [3,3])