手动升级 tf.contrib.slim 到 tf 2.0答案

【问题标题】：Upgrading tf.contrib.slim manually to tf 2.0手动升级 tf.contrib.slim 到 tf 2.0
【发布时间】：2019-10-30 15:10:54
【问题描述】：

我的 python 代码有问题，它使用 tf.contrib.slim 功能，升级到 tensorflow 到 2.0 后不再工作。

如何将以下内容升级到 tf 2.0：

import tensorflow.contrib.slim as slim
import tensorflow.contrib.slim.nets

# ...

net = slim.conv2d(
    inp, 
    dim,
    [3, 3],
    rate=1,
    normalizer_fn=slim.layer_norm,
    activation_fn=lrelu,
    scope='g_' + str(width) + '_conv1')

谢谢。

【问题讨论】：

你有没有尝试过？从字面上看，有一个完整的document 专门讨论这个主题，包括一个标题为关于 Slim 和 contrib.layers 的说明的部分。
是的，我对此进行了研究，但发现它并没有太大帮助，因为我是 tensorflow 的新手：/
@gobrewers14 我同意 Jonas 的观点，这根本没有帮助。

标签： python tensorflow upgrade slim

【解决方案1】：

您可以改用tf_slim 包（https://github.com/google-research/tf-slim）

但是，将包更新到 TF2 的推送请求仍处于等待状态。所以你应该从分支安装 pip install git+https://github.com/adrianc-a/tf-slim.git@remove_contrib

【讨论】：

仍然不完全支持 TF2。例如使用 tensorflow.contrib.training.python.training 导入评估时出错

【解决方案2】：

可能会这样：

net = tf.keras.layers.Conv2D(filters=dim, kernel_size=3, name='g_' + str(width) + '_conv1')(inp)
net = tf.keras.layers.BatchNormalization()(net)
net = tf.keras.layers.LeakyReLU()(net)

使用 slim，可以选择在卷积层之后提及您希望进行的批量标准化和激活。你不能在 2.0 中做到这一点，所以你需要在 2 个不同的层中准确指定你想要的规范化和激活。

【讨论】：