David 9的博客 — 不怕"过拟合"

TensorFlow Models项目是谷歌TensorFlow项目下存放大量官方SOTA模型和论文模型实现的子项目，大量的科研学习可以从这里开始（每个论题模型都是科研机构各自维护的）：

但要快速上手任意模型，对于普通科研人员并不容易（除非你同时是CS系或同时熟悉C和python编程等）。这里David就带大家绕过一些不必要的坑。

拿models/research下的迁移学习domain_adaptation项目为例（NIPS 2016论文），缺少编程经验的朋友（或者只会python的朋友）如果按照introduction走，很快就傻眼了：

普通科研人员不会知道bazel是google的一个编译工具，也不知道slim是什么东西（TF-slim其实是TensorFlow Models项目中独立出来的通用库）。事实上，对于只需研究模型本身的研究人员，这些都可以绕过！对于上述红框中的命令你完全可以用下面命令替代：

# python download_and_convert_data.py -- --dataset_dir $DSN_DATA_DIR --dataset_name=mnist

Models子项目虽然用bazel管理，但本质上都是TF的python项目，你总能找到python主入口跑这个项目，而不是用bazel这种专业工具（谷歌内部喜欢用的工具）。同样，slim本质上也是一个python库，用python脚本跑程序就可以：

$ python download_and_convert_data.py \
    --dataset_name=flowers \
    --dataset_dir="${DATA_DIR}"

另外，路径出错也是常见错误，

Traceback (most recent call last):
  File "dsn_eval.py", line 28, in <module>
    from domain_adaptation.datasets import dataset_factory
ImportError: No module named domain_adaptation.datasets

如上错误很可能是domain_adaption这个文件夹路径没有找到而已，这时对于一些不熟悉linux命令行的朋友，建软链或加环境变量不是最佳选择，最直接的方法是修改代码，比如在代码中插入下面两行，就可以把目录上两级库也添加进来，解决问题： 继续阅读给普通科研人员跑TensorFlow Models项目的一点建议，编译tf，谷歌Bazel，TensorFlow Slim和其他

David不经常聊代码，之所以单独post这篇文章，实在是这三种创建模型的方式很有代表性。市面上所有深度模型框架，在创建模型时，也不外乎这三种方式：

第一种，序列模型。这是Keras最简单的构建模型方式（也许是所有框架中最简单构建方式），它顺序地把所有模型层依次定义，可以共享层的定义，多输入输出，但是如果要有分支，自定义层，就很困难了，下面是一个简单例子：

def shallownet_sequential(width, height, depth, classes):
  # initialize the model along with the input shape to be
  # "channels last" ordering
  model = Sequential()
  inputShape = (height, width, depth)

  # define the first (and only) CONV => RELU layer
  model.add(Conv2D(32, (3, 3), padding="same",
    input_shape=inputShape))
  model.add(Activation("relu"))

  # softmax classifier
  model.add(Flatten())
  model.add(Dense(classes))
  model.add(Activation("softmax"))

  # return the constructed network architecture
  return model

在Keras中只要模型是Sequential类，那就是使用了序列模型。

第二种，函数式模型。熟悉函数式编程的朋友对这种方式很好理解，即一切定义都是基于函数的。这种方式给了自定义层的更大空间，可更简单地定义层的分支，合并（concatenate）等， 继续阅读3种用Keras和TensorFlow2.0创建模型的方法：序列模型，函数式模型和继承子类模型