谷歌开放TF-Slim:在TensorFlow中定义复杂模型的高层库

今年早些时候,我们发布了一款在 TensorFlow 上的最先进的图像分类模型实现——Inception -V3。这些代码允许用户使用一个单一的本地机器或机器集群在 Image Net 分类数据集上通过同步梯度下降(synchronized gradient descent)的方式训练模型。该 Inception-V3模型建立在 TensorFlow 的 TF- Slim 实验库上,它是一个用于在 TensorFlow 中定义、训练和评估模型的轻量软件包。这个TF-Slim 库提供了常见的抽象,可以使用户简要快速地定义模型,同时还能维持模型架构透明和其超参数的明确性。

自发布以后,TF-Slim 增长迅速,添加了多种类型的层、损失函数和评估指标,用于训练和评估模型的方便的例程(routine)也越来越多,。这些例程考虑到了扩展工作时你需要担心的所有细节,比如并行读取数据、在多台机器上部署模型等等。此外,我们已经利用标准数据集创建了 TF-Slim 图像模型库(TF-Slim Image Models library),可以为许多广泛使用的图像分类模型提供定义和训练脚本。TF-Slim 和它的组件已经在谷歌内部得到了广泛使用,而很多改进已经被集成到 tf.contrib.slim 中。

今天,我们很高兴与 TF 社区共享最新的 TF-Slim 版本。以下几点需要强调:

想尝试一下 TF-Slim 吗?这条链接(https://github.com/tensorflow/tensorflow/tree/master/tensorflow/contrib/slim)可以帮到你。

如果你想试试图像分类模型可以看下这条介绍或者 Jupyter notebook

入门谷歌开源工程TensorFlow
暂无评论
暂无评论~