SLIM目录在哪

打开SLIM目录，将其中的ChickHEN目录拷贝到记忆棒中的Picture目录下。

原话应该是这样。SLIM是压缩文件里的，PSP里根本没有，你考出CHICKHEN到PICTURE下就可以了。

slim就是TensorFlow的简洁版。本篇就是介绍如何使用slim，因为自己也是刚开始接触TensorFlow，slim更是用得少，因此，本篇就当做是slim的学习记录，后面会不断更新。

先贴出slim的github，这里更详细

https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slim

首先，导入，在安装TensorFlow时，slim包也一起安装了，因此不需要再安装。

基础 *** 作

slim是TensorFlow的简洁版，因此在实际 *** 作过程中要简单得多。

原生TensorFlow的一个卷积层：

在slim中：

inputs就是网络输入；

16是输出神经元个数；

[3,3]是该层卷积核大小

很简单！！更简单的是，Slim也提供了两个元运算符----repeat和stack，允许用户可以重复地使用相同的运算符。

上面可以替换为：

这就是slim.repeat的作用。

解释：3表示重复slim.conv2d这个 *** 作3次，每次输出神经元个数都是16，卷积核都是3*3；

那么，要用不同的参数怎么办？

可以用slim.stack:

输出神经元个数不同：

每层网络的输出神经元个数和卷积核都不同：

scope

除了tensorflow中自带的scope机制类型（name_scope, variable_scope）外, TF-Slim添加了一种叫做arg_scope的scope机制。这种scope允许用户在arg_scope中指定若干 *** 作符以及一批参数，这些参数会传给前面所有的 *** 作符中。如果后面不需要这种参数，可以重写，覆盖。

原始繁琐的 *** 作：

简单 *** 作：

嵌套 *** 作：

这里最外面的一层scope包含slim.conv2d和slim.fully_connected两个共有参数，里面一层scope则只包括slim.conv2d的参数。

下面来一个slim写的例子，vgg16的实现：

是不是特别精简？但其中包含的东西却很多，需要细细体会，还好之前走过原生TensorFlow的路。

这里特别要注意：

在最后一个全连接层中activation_fn=None，因为最后一层不需激活函数，而slim.fully_connected()是默认使用激活函数tf.nn.relu的，因此在网络模型最后一层中要添加activation_fn=None。

上面的这个vgg16网络就是slim内已经实现的网络，里面还有很多，可以直接拿来用，最好还是自己写一下，等有空了一定要全部自己重写一遍，先贴这里 https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slim/python/slim/nets

目前我接触的就这些，后面还会碰到，等自己理解了再来更新吧！！

参考文章：

原po写得更多更详细，学习了

http://blog.csdn.net/guvcolie/article/details/77686555

---