TF-Slim是Tensorflow中一个轻量级的库用于定义、训练和评估复杂的模型。TF-Slim中的组件可以与Tensorflow中原生的函数一起使用与其他的框架比如与tf.contrib.learn也可以一起使用使用方法:import tensorflow.contrib.slim as slim因为建立,训练和评估模型更加简单,所以是轻量级优点l 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argument scoping和大量的高层layers、variables来实现l 通过使用常用的正则化 regularizers使得建立模型更加简单l 一些广泛使用的计算机视觉相关的模型比如VGGAlexNet已经在slim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“multiple heads”到不同的内部的层l Slim使得扩展复杂模型变得容易可以使用已经存在的模型的checkpoints来开始训练算法。组成部分TF-Slim由几个独立存在的组件组成主要包括以下几个l arg_scope提供一个新的作用域scope称为arg_scope在该作用域scope中用户可以定义一些默认的参数用于特定的操作l data包含TF-Slim的dataset定义data providersparallel_reader和 decoding utilitiesl evaluation包含用于模型评估的常规函数l layers包含用于建立模型的高级layersl learning包含一些用于训练模型的常规函数l losses包含一些用于loss function的函数l metrics包含一些热门的评价标准l nets包含一些热门的网络定义如VGGAlexNet等模型l queues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QueueRunnersl regularizers包含权重正则化l variables提供一个方便的封装用于变量创建和使用。定义模型使用TF-Slim结合variables, layers 和 scopes模型可以很简洁地被定义详情: https://www.cnblogs.com/hejunlin1992/p/8082535.htmlhttps://blog.csdn.net/cyiano/article/details/75006883slim.batch_norm: https://blog.csdn.net/luccao/article/details/82857412这个有参数含义:https://www.cnblogs.com/hellcat/p/8058092.html#_label1_0https://www.cnblogs.com/adong7639/p/7904575.html