tensorflow: arg_scope()

with arg_scope():

1.容許咱們設定一些共享參數，並將其進行保存，必要時還能夠嵌套覆蓋

2.在指定的函數調用時，能夠將一些默認參數塞進去。

接下來看一個tensorflow自帶的例子。

with arg_scope([layers.conv2d], padding='SAME',
               initializer=layers.variance_scaling_initializer(),
               regularizer=layers.l2_regularizer(0.05)):
  net = layers.conv2d(inputs, 64, [11, 11], 4, padding='VALID', scope='conv1')
 net = layers.conv2d(net, 256, [5, 5], scope='conv2')

# arg_scope()參數解釋：
參數1：[layers.conv2d]表示要執行操做的網絡，你也能夠繼續添加其它網絡層，例如池化層。
參數2,3等就是你要設定默認的參數。
當咱們第一次調用layers.conv2d的時候。卷積層的操做其實是這樣的：

layers.conv2d(inputs, 64, [11, 11], 4, padding='VALID',
              initializer=layers.variance_scaling_initializer(),
              regularizer=layers.l2_regularizer(0.05), scope='conv1')

當咱們第二次調用layers.conv2d的時候，卷積層的操做其實是這樣的：

layers.conv2d(inputs, 256, [5, 5], padding='SAME',
              initializer=layers.variance_scaling_initializer(),
              regularizer=layers.l2_regularizer(0.05), scope='conv2')

也就是說，當你在調用相關的網絡層的時候(參數1所包含的網絡層)，你有設定參數，那麼參數按照你設定的；若是你沒有設定參數，那麼就用默認的(預先設定好的)