arg_scope 实际上是做什么的？答案

【问题标题】：what does arg_scope actually do?arg_scope 实际上是做什么的？
【发布时间】：2017-12-26 20:57:33
【问题描述】：

我是神经网络和TensorFlow的初学者，我正在尝试了解arg_scope的作用。

在我看来，这是一种将“你想做的事情”字典放在具有特定变量的特定层的方法。如果我错了，请纠正我。您如何准确地向初学者解释它的用途？

【问题讨论】：

标签： python tensorflow neural-network conv-neural-network

【解决方案1】：

在定义卷积层时，您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。对于您的池，也许您也总是使用相同的2x2 池大小。以此类推。

arg_scope 是一种避免向相同层类型反复提供相同参数的方法。

来自source documentation 的示例：

tf.contrib.framework.arg_scope的使用示例：

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')

第一次调用conv2d 的行为如下：

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

对conv2d 的第二次调用也将使用arg_scope 的默认填充：

  layers.conv2d(inputs, 256, [5, 5], padding='SAME',
                  initializer=layers.variance_scaling_initializer(),
                  regularizer=layers.l2_regularizer(0.05), scope='conv2')

如何重用arg_scope的示例：

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')

【讨论】：