【Tensorflow】輔助工具篇——tensorflow slim(TF-Slim)介紹
這樣我們就可以使用slim了，既然說到了，先來扒一扒tensorflow.contrib這個庫，tensorflow官方對它的描述是：此目錄中的任何程式碼未經官方支援，可能會隨時更改或刪除。每個目錄下都有指定的所有者。它旨在包含額外功能和貢獻，最終會合併到核心TensorFlow中，但其介面可能仍然會發生變化，或者需要進行一些測試，看是否可以獲得更廣泛的接受。所以slim依然不屬於原生tensorflow。
那麼什麼是slim？slim到底有什麼用？
slim是一個使構建，訓練，評估神經網路變得簡單的庫。它可以消除原生tensorflow裡面很多重複的模板性的程式碼，讓程式碼更緊湊，更具備可讀性。另外slim提供了很多計算機視覺方面的著名模型（VGG, AlexNet等），我們不僅可以直接使用，甚至能以各種方式進行擴充套件。
slim的子模組及功能介紹：
arg_scope: provides a new scope named arg_scope that allows a user to define default arguments for specific operations within that scope.
除了基本的namescope，variabelscope外，又加了argscope，它是用來控制每一層的預設超引數的。（後面會詳細說）
data: contains TF-slim's dataset definition, data providers, parallel_reader, and decoding utilities.
貌似slim裡面還有一套自己的資料定義，這個跳過，我們用的不多。
evaluation: contains routines for evaluating models.
評估模型的一些方法，用的也不多
layers: contains high level layers for building models using tensorflow.
這個比較重要，slim的核心和精髓，一些複雜層的定義
learning: contains routines for training models.
一些訓練規則
losses: contains commonly used loss functions.
一些loss
metrics: contains popular evaluation metrics.
評估模型的度量標準
nets: contains popular network definitions such as VGG and AlexNet models.
包含一些經典網路，VGG等，用的也比較多
queues: provides a context manager for easily and safely starting and closing QueueRunners.
文字佇列管理，比較有用。
regularizers: contains weight regularizers.
包含一些正則規則
variables: provides convenience wrappers for variable creation and manipulation.
這個比較有用，我很喜歡slim管理變數的機制
具體子庫就這麼多拉，接下來乾貨時間！二.slim定義模型
slim中定義一個變數的示例：
?| 12345678910111213 | # Model Variablesweights = 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
|