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)

但在文件trainer.py中，我们没有上面的内容，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)

关于这个slim.learning.train函数没有回报。所以我想知道slim.learning.train函数的使用是什么，我们如何获得参数 - 可以用来预测结果？

HERE是trainer.py的源代码。

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来执行此操作，该命令是：“执行时将执行渐变并返回损失值的Tensor。”正如function documentation所写。

当你告诉优化器优化某些成本函数时，文档会讨论你得到的内容。在以下示例中是opt_op：

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

在optimizer documentation中查找更多信息。