如何使用 TFSlim 库训练模型？

Question

我正在阅读 Object Detection API 源代码，我想知道如何使用 TFSlim 来训练模型？

更具体地说，当我们使用 Tensorflow 训练模型时，我们会使用这样的东西：

parameters = model(X_train, Y_train, X_test, Y_test)
# Returns: parameters -- parameters learnt by the model. 
# They can then be used to predict.

为了预测结果，我们使用类似的东西：

y_image_prediction = predict(my_image, parameters)

但是在trainer.py文件中，我们没有上面的东西，我们只得到：

slim.learning.train(
    train_tensor,
    logdir=train_dir,
    master=master,
    is_chief=is_chief,
    session_config=session_config,
    startup_delay_steps=train_config.startup_delay_steps,
    init_fn=init_fn,
    summary_op=summary_op,
    number_of_steps=(
        train_config.num_steps if train_config.num_steps else None),
    save_summaries_secs=120,
    sync_optimizer=sync_optimizer,
    saver=saver)

这个slim.learning.train 函数没有任何回报。所以我想知道slim.learning.train函数的用途是什么，我们如何获得参数——可以用来预测结果？

HERE是trainer.py的源码。

Answer 1

train 函数不返回值，因为它修改了模型的实际参数。该函数通过运行train_tensor 来实现这一点，即：“A Tensor 在执行时将应用梯度并返回损失值。”如function documentation中所写。

文档中的张量讨论了当您告诉优化器优化某些成本函数时您会得到什么。在以下示例中为opt_op：

opt = GradientDescentOptimizer(learning_rate=0.1)
opt_op = opt.minimize(cost)

在optimizer documentation 中查找更多信息。