深度学习笔记(2)--slim框架

本文介绍了TensorFlow框架下的一款高效工具包Slim,展示了如何利用Slim简化常见的深度学习操作,包括卷积、批量归一化和变量定义等。通过arg_scope机制,实现参数的共享和统一配置,进一步提升代码的整洁度和可维护性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

今天我发现一个tensorlfow框架--slim

它包装了一些基本的tensorflow的操作:

比如说卷积:

layers=sli.conv2d(self.X,num_outputs=32,kernel_size=1,stride=[1,1])

比如说标准化处理

Bn1=sli.batch_norm(Fist_op)

还有

 weight=sli.variable(name='weights3',shape=[784,10],initializer=tf.truncated_normal_initializer(stddev=0.1))
#以及对这些参数进行共享
scopes:除了tensorflow中的name_scope和variable_scope, tf.slim新增了arg_scope操作,这一操作符可以让定义在这一scope中的操作共享参数,即如不制定参数的话,则使用默认参数。且参数可以被局部覆盖。使得代码更加简洁,如下:
  with slim.arg_scope([slim.conv2d], padding='SAME',
                        weights_initializer=tf.truncated_normal_initializer(stddev=0.01)
                        weights_regularizer=slim.l2_regularizer(0.0005)):
      net = slim.conv2d(inputs, 64, [11, 11], scope='conv1')
      net = slim.conv2d(net, 128, [11, 11], padding='VALID', scope='conv2')
      net = slim.conv2d(net, 256, [11, 11], scope='conv3')

 

评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值