将resnet实现从caffe转换为tensorflow

我想从头开始实现resnet 50 它是由原论文作者在caffe中实现的，但我想要tensorflow实现 由于此存储库： 因此，这幅图像： 我知道每个等价物（在tensorflow中），但我不知道scale的含义，在批处理规范化之后，您能解释一下它的含义以及batchnorm中的“使用全局状态”参数吗

caffe中的“就地”层只是提示caffe节省内存：不是为网络的输入和输出分配内存，“就地”层用该层的输出覆盖输入

在

“BatchNorm”

层中使用全局状态意味着使用在训练期间计算的平均值/std，而不进一步更新这些值。这是BN层的“部署”状态

caffe中的“就地”层只是提示caffe节省内存：不是为网络的输入和输出分配内存，“就地”层用该层的输出覆盖输入

在

“BatchNorm”

层中使用全局状态意味着使用在训练期间计算的平均值/std，而不进一步更新这些值。这是BN层的“部署”状态

---

感谢您的回复，但在github中的resnet实现中，他们说batchnorm参数应该更新，特别是将caffe模型转换为tensorflow的实现，那么我应该怎么做呢？这是转换后的实现：（）@sh.kh您应该区分“部署”/“val”净（当训练后权重固定时）和“训练”净（当权重（和批次规范参数）不断更新时）。我想您转换后的网络应该能够在这两种模式下运行。@sh.kh是的，您在培训期间更新批次标准参数。因此，在培训模式下，批次标准参数（平均值和方差）应该更新，而在评估模式下则不应更新。正确吗？因此KamingHe git repo中的图片是针对培训模式的，因为他使用了“use_global_state=true”@sh.kh我怀疑恰恰相反，

use_global_state=true

意味着使用固定权重进行“部署”“phasethanks要求回复，但在github中的resnet实现中，他们说batchnorm参数应该更新，特别是将caffe模型转换为tensorflow的实现，那么我应该怎么做呢？”？这是转换后的实现：（）@sh.kh您应该区分“部署”/“val”净（当训练后权重固定时）和“训练”净（当权重（和批次规范参数）不断更新时）。我想您转换后的网络应该能够在这两种模式下运行。@sh.kh是的，您在培训期间更新批次标准参数。因此，在培训模式下，批次标准参数（平均值和方差）应该更新，而在评估模式下则不应更新。正确吗？因此KamingHe git repo中的图片是针对培训模式的，因为他使用了“use_global_state=true”@sh.kh我怀疑恰恰相反，

use_global_state=true

意味着在“部署”阶段使用固定权重