TensorFlow-- Slim学习

TF-Slim

• TF-Slim 是 TensorFlow 中一个用来构建、训练、评估复杂模型的轻量化库。TF-Slim 模块可以和 TensorFlow 中其它API混合使用。
• TF-Slim 模块是 TensorFlow 中最好用的 API 之一。尤其是里面引入的 arg_scope、model_variables、repeat、stack。

---

• 学习后，这里留下学习传送门，以便后面持续学习使用：https://blog.csdn.net/u014061630/article/details/80632736#1_Slim__a_classheaderlink_hrefml_titlePermalink_to_this_headlinea_12
• 文章目录
  1. Slim 模块的导入 ¶
  2. Slim 模块的优点 ¶
  3. Slim 模块的组成 ¶
  4. 使用 Slim 构建模型 ¶
     4.1 Slim 变量（Variables） ¶
     4.2 Slim 层（Layers） ¶
     4.3 Slim 作用域（Scopes） ¶
     4.4 实例：创建VGG网络（Working Example: Specifying the VGG16 Layers） ¶
  5. 使用 Slim 训练模型（Training Models） ¶
     5.1 Slim 损失函数（Losses） ¶
     5.2 Slim 训练 Loop（Training Loop） ¶
     5.3 实例：训练 VGG 模型（Working Example: Training the VGG16 Model） ¶
  6. 现有模型的微调（Fine-Tuning Existing Models） ¶
     6.1 从ckpt中恢复变量的简介（Brief Recap on Restoring Variables from a Checkpoint） ¶
     6.2 部分地恢复模型（Partially Restoring Models） ¶
     6.3 不同变量名称的模型的恢复（Restoring models with different variable names） ¶
     6.4 在一个不同的任务上微调模型（Fine-Tuning a Model on a different task） ¶
  7. 使用 Slim 评估模型（Evaluating Models） ¶
     7.1 Slim 评价指标（Metrics） ¶
     7.2 实例：追踪多个评价指标（Working example: Tracking Multiple Metrics） ¶
     7.3 评估Loop（Evaluation Loop） ¶
  8. 作者（Authors） ¶
  9. 参考资料： ¶