python中的知识点总结（3）：函数封装库tf.contrib.layers

函数封装库tf.contrib.layers

1. tf.contrib.layers.conv2d()函数的定义
2. tf.contrib.layers.fully_connected()函数的定义
3. tf.contrib.layers.max_pool2d()函数的定义
4. tf.contrib.layers.avg_pool2d()函数定义

转载这里，具体点这里了解一下

1.tf.contrib.layers.conv2d()函数定义

def convolution(inputs,
                num_outputs,
                kernel_size,
                stride=1,
                padding='SAME',
                data_format=None,
                rate=1,
                activation_fn=nn.relu,
                normalizer_fn=None,
                normalizer_params=None,
                weights_initializer=initializers.xavier_initializer(),
                weights_regularizer=None,
                biases_initializer=init_ops.zeros_initializer(),
                biases_regularizer=None,
                reuse=None,
                variables_collections=None,
                outputs_collections=None,
                trainable=True,
                scope=None):

常用的参数说明如下：

• inputs:形状为[batch_size, height, width, channels]的输入。
• num_outputs：代表输出几个channel。这里不需要再指定输入的channel了，因为函数会自动根据inpus的shpe去判断。
• kernel_size：卷积核大小，不需要带上batch和channel，只需要输入尺寸即可。[5,5]就代表5x5的卷积核，如果长和宽都一样，也可以只写一个数5.
• stride：步长，默认是长宽都相等的步长。卷积时，一般都用1，所以默认值也是1.如果长和宽都不相等，也可以用一个数组[1,2]。
• padding：填充方式，‘SAME’或者’VALID’。
• activation_fn：激活函数。默认是ReLU。也可以设置为其他。
• weights_initializer：权重的初始化，默认为initializers.xavier_initializer()函数。
• weights_regularizer：权重正则化项，可以加入正则函数。biases_initializer：偏置的初始化，默认为init_ops.zeros_initializer()函数。
• biases_regularizer：偏置正则化项，可以加入正则函数。
• trainable：是否可训练，如作为训练节点，必须设置为True，默认即可。如果我们是微调网络，有时候需要冻结某一层的参数，则设置为False。

2.tf.contrib.layers.fully_connected()函数定义

def fully_connected(inputs,
                    num_outputs,
                    activation_fn=nn.relu,
                    normalizer_fn=None,
                    normalizer_params=None,
                    weights_initializer=initializers.xavier_initializer(),
                    weights_regularizer=None,
                    biases_initializer=init_ops.zeros_initializer(),
                    biases_regularizer=None,
                    reuse=None,
                    variables_collections=None,
                    outputs_collections=None,
                    trainable=True,
                    scope=None):

3. tf.contrib.layers.max_pool2d()函数的定义

def max_pool2d(inputs,
               kernel_size,#A 4-D tensor of shape `[batch_size, height, width, channels]` 
               stride=2,
               padding='VALID',
               data_format=DATA_FORMAT_NHWC,
               outputs_collections=None,
               scope=None):

4.tf.contrib.layers.avg_pool2d()函数定义

def avg_pool2d(inputs,
               kernel_size,
               stride=2,
               padding='VALID',
               data_format=DATA_FORMAT_NHWC,
               outputs_collections=None,
               scope=None):