tf.contrib.framework.arg_scope

存储给定list_ops集合的默认参数。

代码语言：javascript复制

tf.contrib.framework.arg_scope(
    list_ops_or_scope,
    **kwargs
)

参数：

• list_ops_or_scope:为包含当前范围的字典设置参数范围的操作的列表或元组。当list_ops_or_scope是dict时，kwargs必须为空。当list_ops_or_scope是一个列表或元组时，其中的每个op都需要用@add_arg_scope修饰才能工作。
• **kwargs: keyword=值，它将为list_ops中的每个操作定义默认值。所有的ops都需要接受给定的一组参数。

范围：

• current_scope是{op: {arg: value}}的字典

可能产生的异常：

• TypeError: if list_ops is not a list or a tuple.
• ValueError: if any op in list_ops has not be decorated with @add_arg_scope.

例：

在定义卷积层时，可能总是使用相同的填充类型和相同的初始化器，甚至可能使用相同的卷积大小。对于池化，可能也总是使用相同的2x2池大小，等等。arg_scope是一种避免反复向相同的层类型提供相同参数的方法。

代码语言：javascript复制

from third_party.tensorflow.contrib.layers.python import layers
  arg_scope = tf.contrib.framework.arg_scope
  with arg_scope([layers.conv2d], padding='SAME',
                 initializer=layers.variance_scaling_initializer(),
                 regularizer=layers.l2_regularizer(0.05)):
    net = layers.conv2d(inputs, 64, [11, 11], 4, padding='VALID', scope='conv1')
    net = layers.conv2d(net, 256, [5, 5], scope='conv2')

conv2d的第一个调用将如下所示:

代码语言：javascript复制

layers.conv2d(inputs, 64, [11, 11], 4, padding='VALID',
                  initializer=layers.variance_scaling_initializer(),
                  regularizer=layers.l2_regularizer(0.05), scope='conv1')    

conv2d的第二个调用也将使用arg_scope的默认填充:

代码语言：javascript复制

layers.conv2d(inputs, 64, [11, 11], 4, padding='VALID',
              initializer=layers.variance_scaling_initializer(),
              regularizer=layers.l2_regularizer(0.05), scope='conv1')    

如何重用arg_scope的例子:

代码语言：javascript复制

with arg_scope([layers.conv2d], padding='SAME',
                 initializer=layers.variance_scaling_initializer(),
                 regularizer=layers.l2_regularizer(0.05)) as sc:
    net = layers.conv2d(net, 256, [5, 5], scope='conv1')

  with arg_scope(sc):
    net = layers.conv2d(net, 256, [5, 5], scope='conv2')

add keyword list scope typeerror

0 人点赞