tensorflowSlim教程_tfslim安装

slim;

tensorflow;

需积分: 50 339 浏览量更新于2023-05-26 评论收藏 48KB DOCX 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源评论

资源推荐

TensorFlow-Slim



 是  中一个轻量级的库，用于定义、训练和评估复杂的模型。 中

的组件可以与  中原生的函数一起使用，与其他的框架，比如与 

也可以一起使用。



Usage 使用方法

import tensorow.contrib.slim as slim

Why TF-Slim?

 可以使建立、训练和评估神经网络更加简单。

允许用户通过减少模板代码使得模型更加简洁。这个可以通过使用 



和

大量的高层 、 来实现；

通过使用常用的正则化（Q）使得建立模型更加简单；

一些广泛使用的计算机视觉相关的模型（比如 ， !）已经在  中定义好了，

用户可以很方便的使用；这些既可以当成黑盒使用，也可以被扩展使用，比如添加一些

“"#$到不同的内部的层；

 使得扩展复杂模型变得容易，可以使用已经存在的模型的 "% 来开始训练算

法。



What are the various components of TF-Slim?

 由几个独立存在的组件组成，主要包括以下几个：

&：提供一个新的作用域（），称为 &，在该作用域（）中，

用户可以定义一些默认的参数，用于特定的操作；

#：包含  的 # 定义，##，&#，

和Q##；

：包含用于模型评估的常规函数；

：包含用于建立模型的高级 ；

：包含一些用于训练模型的常规函数；

：包含一些用于  的函数；

：包含一些热门的评价标准；

：包含一些热门的网络定义，如 ， ! 等模型；

'：提供一个内容管理者，使得可以很容易、很安全地启动和关闭 ()；

：包含权重正则化；

：提供一个方便的封装，用于变量创建和使用。



Dening Models

使用 ，结合 *和Q，模型可以很简洁地被定义。这些元

件定义如下。



Variables

在原生的  中，创建  需要一个预定义的值或者一种初始化机制（比

如从一个高斯分布中随机采样）。此外，如果一个变量需要在一个特定的设备上（如 +,）创

建，那么必须被明确说明。为了减少变量创建所需的代码， 提供了一些封装函数（定

义在 



中），可以使得用户定义变量变得简单。

举个例子，定义一个权重（"）变量，使用一个截断的正态分布来初始化，使用 -

 正则化，并将该变量放置在 .+, 中，我们只需要声明如下：



weights = slim.variable('weights',

shape=[10, 10, 3 , 3],

initializer=tf.truncated_normal_initializer(stddev=0.1),

regularizer=slim.l2_regularizer(0.05),

device='/CPU:0')

注意到，在原生的  中，有两种类型的 ，和Q

/0。绝大部分变量是 ，一旦被创建，可以使用

 来将这些变量保存到磁盘中；1 是那些仅仅存在于一个  内，并

不会被保存到磁盘中。

 通过定义 model variables 来进一步区别变量，这些是表示一个模型参数的变

量。2# 在学习期间被训练或者 3#，在评估或者推断期间可以从一个

"% 中加载。模型变量包括使用 &#或者Q-# 创建的变

量等。非模型变量（!#）指的是那些在学习或者评估阶段使用但是在实际

的  中不需要用到的变量。比如说，& 在学习和评估阶段会用到的变量，

但是实际上并不是模型的一部分。类似的， 也是非模型变量。

# 和  在  中很容易地被创建和恢复：

# Model Variables

weights = slim.model_variable('weights',

shape=[10, 10, 3 , 3],

initializer=tf.truncated_normal_initializer(stddev=0.1),

regularizer=slim.l2_regularizer(0.05),

device='/CPU:0')

model_variables = slim.get_model_variables()

# Regular variables

my_var = slim.variable('my_var',

shape=[20, 1],

initializer=tf.zeros_initializer())

regular_variables_and_model_variables = slim.get_variables()

这是如何工作的呢？当你通过  的  或者直接通过 #& 函

数创建一个模型的变量时， 将变量添加到 "425671&)8917 集

合中。如果你想拥有自己定制化的  或者  创建机制，但是仍然想利用 

 来管理你的变量，此时， 提供一个方便的函数，用于添加模型的变量到集合中：

my_model_variable = CreateViaCustomCode()

# Letting TF-Slim know about the additional variable.

slim.add_model_variable(my_model_variable)

Layers

在原生的  中，要定义一些层（比如说卷积层，全连接层，9"! 层

等）是比较麻烦的。举个例子，神经网络中的卷积层由以下几个步骤组成：

: 创建权重和偏置变量

- 将输入与权重做卷积运算

; 将偏置加到第二步的卷积运算得到的结果中

< 使用一个激活函数

上面的步骤使用原始的  代码，实现如下：

input = ...

with tf.name_scope('conv1_1') as scope:

kernel = tf.Variable(tf.truncated_normal([3, 3, 64, 128],

dtype=tf.oat32,

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.oat32),

剩余18页未读，继续阅读

坦尼荷

粉丝: 42
资源: 5

会员权益专享

tensorflow Slim教程

评论0

会员权益专享

最新资源

tensorflow Slim教程

评论0

tensorflow.contrib.slim安装

Tensorflow-slim用法总结

没有tensorflow.contrib.slim包怎么办

tensorflow.contrib.slim

tensorflow2.0怎么修改slim = tf.contrib.slim

tensorflow-slim库图像分类和目标定位案例

import tensorflow.contrib.slim as slim

No module named 'tf_slim'

tensorflow2.0怎么修改slim.create_global_step()

TensorFlow2没有contrib_slim包的问题.pdf

slim.conv2d与tensorflow.keras.layers.conv2d

python3.7适合的tensorflow版本

no module named 'tf_slim'

tensorflow2.0怎么修改slim.dataset_data_provider.DatasetDataProvider(

安装tensorflow object detection api

slim = tf.contrib.slim

Polymer slim-js 详细优缺点

Slim.js 直接使用示例

Polymer slim-js 区别

会员权益专享

最新资源