tensorflow代码实现：Inception模块

最新推荐文章于 2022-12-12 21:57:12 发布

原创最新推荐文章于 2022-12-12 21:57:12 发布 · 2.0k 阅读

8 ·

CC 4.0 BY-SA版权

tensorflow 专栏收录该内容

43 篇文章

订阅专栏

本文介绍了Inception-v3模型中一个特定模块的构建过程，该模块通过多种卷积操作和池化技术来提高特征提取的效率。文章详细展示了如何使用TensorFlow Slim API实现这一复杂结构，并通过不同分支的并行计算最终融合特征。

部署运行你感兴趣的模型镜像

引言：Inception-v3模型总共有46层，由11个Inception模块组成。

import tensorflow as tf
slim=tf.contrib.slim

#slim.arg_scope函数：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。
with slim.arg_scope([slim.conv2d,slim.max_pool2d,slim.avg_pool2d],stride=1,padding='SAME'):    
    with tf.variable_scope('Maxed_7c'):
        with tf.variable_scope('Branch_0'):
            #net=上一层的输出节点矩阵
            branch_0=slim.conv2d(net,320,[1,1],scope='Conv2d_0a_1*1')
        with tf.variable_scope('Branch_1'):
            branch_1=slim.conv2d(net,384,[1,1],scope='Conv2d_0a_1*1')
            #tf.concat函数：可以将多个矩阵拼接起来;
            #其中第一个参数：拼接的维度，‘3’代表了矩阵是在深度这个维度上进行拼接的。
            branch_1=tf.concat(3,[slim.conv2d(branch_1,384,[1,3],scope='Conv2d_0b_1*3'),\
                                  slim.conv2d(branch_1,384,[3,1],scope='Conv2d_0c_3*1')])
        with tf.variable_scope('Branch_2'):
            branch_2=slim.conv2d(net,448,[1,1],scope='Conv2d_0a_1*1')
            branch_2=slim.conv2d(branch_2,384,[3,3],scope='Conv2d_0b_3*3')
            branch_2=tf.concat(3,[slim.conv2d(branch_2,384,[1,3],scope='Conv2d_0c_1*3'),\
                                  slim.conv2d(branch_2,384,[3,1],scope='Conv2d_0d_3*1')])
        with tf.variable_scope('Branch_3'):
            branch_3=slim.avg_pool2d(net,[3,3],scope='AvgPool_0a_3*3')
            branch_3=slim.conv2d(branch_3,192,[1,1],scope='Conv2d_0b_1*1')

        net=tf.concat(3,[branch_0,branch_1,branch_2,branch_3])