如何在 TensorFlow-Slim 中使用正则化？

【问题标题】：How can use regularization in TensorFlow-Slim?如何在 TensorFlow-Slim 中使用正则化？
【发布时间】：2017-01-08 22:18:24
【问题描述】：

我想在我的代码中使用正则化。我使用 slim 来创建 conv2d，如下所示：

slim.conv2d(input, 256, [1, 1], stride=1,  padding='SAME', scope='conv1')

如何添加正则化？以及如何使用它来规范我的损失？

【问题讨论】：

参见例如here

标签： tensorflow regularized tf-slim

【解决方案1】：

是的，只需添加一个参数即可

weights_regularizer=slim.l2_regularizer(0.001)

或者您可以使用 slim.arg_scope 设置多个层的正则化：

with slim.arg_scope([slim.conv2d],
                    padding='SAME',
                    weights_regularizer=slim.l2_regularizer(0.001)):
      net = slim.conv2d(input, 256, [1, 1], scope='conv1')
      net = slim.conv2d(net, 256, [1, 1], scope='conv2')

【讨论】：

感谢您的帮助。但是我怎样才能使用regularizer 作为损失函数呢？
您可以使用slim.losses.get_regularization_losses() 收集您在模型中定义的所有正则化损失。