tensorflow学习资源

最新推荐文章于 2024-09-27 10:58:53 发布

weixin_33795806

最新推荐文章于 2024-09-27 10:58:53 发布

阅读量61

点赞数

文章标签：人工智能

原文链接：http://www.cnblogs.com/tangbaofang/p/8384977.html

版权

TF中文社区

TF_GOOGLE官方代码学习

1.TensorFlow-Slim：

TF-Slim 是 tensorflow 较新版本的扩充包，可以简化繁杂的网络定义，其中也提供了一些demo:

AlexNet
InceptionV1/V2/V3
OverFeat
ResNet
VGG

例如 VGG-16 网络，寥寥数行就可以定义完毕：

 
     
          def  
          vgg16(inputs): 
         
 
             
          with slim.arg_scope([slim.conv2d, slim.fully_connected], 
         
 
                                 
          activation_fn 
          = 
          tf.nn.relu, 
         
 
                                 
          weights_initializer 
          = 
          tf.truncated_normal_initializer( 
          0.0 
          ,  
          0.01 
          ), 
         
 
                                 
          weights_regularizer 
          = 
          slim.l2_regularizer( 
          0.0005 
          )): 
         
 
               
          net  
          =  
          slim.repeat(inputs,  
          2 
          , slim.conv2d,  
          64 
          , [ 
          3 
          ,  
          3 
          ], scope 
          = 
          'conv1' 
          ) 
         
 
               
          net  
          =  
          slim.max_pool2d(net, [ 
          2 
          ,  
          2 
          ], scope 
          = 
          'pool1' 
          ) 
         
 
               
          net  
          =  
          slim.repeat(net,  
          2 
          , slim.conv2d,  
          128 
          , [ 
          3 
          ,  
          3 
          ], scope 
          = 
          'conv2' 
          ) 
         
 
               
          net  
          =  
          slim.max_pool2d(net, [ 
          2 
          ,  
          2 
          ], scope 
          = 
          'pool2' 
          ) 
         
 
               
          net  
          =  
          slim.repeat(net,  
          3 
          , slim.conv2d,  
          256 
          , [ 
          3 
          ,  
          3 
          ], scope 
          = 
          'conv3' 
          ) 
         
 
               
          net  
          =  
          slim.max_pool2d(net, [ 
          2 
          ,  
          2 
          ], scope 
          = 
          'pool3' 
          ) 
         
 
               
          net  
          =  
          slim.repeat(net,  
          3 
          , slim.conv2d,  
          512 
          , [ 
          3 
          ,  
          3 
          ], scope 
          = 
          'conv4' 
          ) 
         
 
               
          net  
          =  
          slim.max_pool2d(net, [ 
          2 
          ,  
          2 
          ], scope 
          = 
          'pool4' 
          ) 
         
 
               
          net  
          =  
          slim.repeat(net,  
          3 
          , slim.conv2d,  
          512 
          , [ 
          3 
          ,  
          3 
          ], scope 
          = 
          'conv5' 
          ) 
         
 
               
          net  
          =  
          slim.max_pool2d(net, [ 
          2 
          ,  
          2 
          ], scope 
          = 
          'pool5' 
          ) 
         
 
               
          net  
          =  
          slim.fully_connected(net,  
          4096 
          , scope 
          = 
          'fc6' 
          ) 
         
 
               
          net  
          =  
          slim.dropout(net,  
          0.5 
          , scope 
          = 
          'dropout6' 
          ) 
         
 
               
          net  
          =  
          slim.fully_connected(net,  
          4096 
          , scope 
          = 
          'fc7' 
          ) 
         
 
               
          net  
          =  
          slim.dropout(net,  
          0.5 
          , scope 
          = 
          'dropout7' 
          ) 
         
 
               
          net  
          =  
          slim.fully_connected(net,  
          1000 
          , activation_fn 
          = 
          None 
          , scope 
          = 
          'fc8' 
          ) 
         
 
             
          return  
          net 
         
 
   