今天我發現一個tensorlfow框架--slim

它包裝了一些基本的tensorflow的操作：

比如說卷積：

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

比如說標準化處理

Bn1=sli.batch_norm(Fist_op)

還有

 weight=sli.variable(name='weights3',shape=[784,10],initializer=tf.truncated_normal_initializer(stddev=0.1))

#以及對這些引數進行共享
scopes：除了tensorflow中的name_scope和variable_scope, tf.slim新增了arg_scope操作，這一操作符可以讓定義在這一scope中的操作共享引數，即如不制定引數的話，則使用預設引數。且引數可以被區域性覆蓋。使得程式碼更加簡潔，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')