Tensorflow2.0以下版本（不含）的框架（tf.contrib）
在使用TF2.0时，出现报错
ModuleNotFound:No module named 'tensorflow . contrib
原来，TensorFlow 2.0中所有tf.contrib被弃用。
重磅 | TensorFlow 2.0即将发布，所有tf.contrib将被弃用.
对于解决“No module named ‘tensorflow.contrib.rnn’No module named’tensorflow.contrib’”问题，大多数帖子给的建议是回滚到TF1.9.0之前的版本。
在沿用的代码中，有很多（tf.contrib），这里缅怀一下（tf.contrib）框架。
tensorflow.contrib.layers模块
建立神经网络层的高级操作
此包提供了一些操作，它们负责在内部创建以一致方式使用的变量，并为许多常见的机器学习算法提供构建块。
tf.contrib.layers.avg_pool2d
tf.contrib.layers.batch_norm
tf.contrib.layers.convolution2d
tf.contrib.layers.conv2d_in_plane
tf.contrib.layers.convolution2d_in_plane
tf.nn.conv2d_transpose
tf.contrib.layers.convolution2d_transpose
tf.nn.dropout
tf.contrib.layers.flatten
tf.contrib.layers.fully_connected
tf.contrib.layers.layer_norm
tf.contrib.layers.linear
tf.contrib.layers.max_pool2d
tf.contrib.layers.one_hot_encoding
tf.nn.relu
tf.nn.relu6
tf.contrib.layers.repeat
tf.contrib.layers.safe_embedding_lookup_sparse
tf.nn.separable_conv2d
tf.contrib.layers.separable_convolution2d
tf.nn.softmax
tf.stack
tf.contrib.layers.unit_norm
tf.contrib.layers.embed_sequence
设置默认激活功能的 fully_connected 的别名可用：relu,relu6 和 linear.
stack 操作也可用，它通过重复应用层来构建一叠层。
正则化
正则化可以帮助防止过度配合。这些都有签名 fn(权重)。损失通常被添加到 tf.GraphKeys.REGULARIZATION_LOSSES。
tf.contrib.layers.apply_regularization
tf.contrib.layers.l1_regularizer
tf.contrib.layers.l2_regularizer
tf.contrib.layers.sum_regularizer
初始化
用于初始化具有明确值的变量，给出其大小,数据类型和目的。
tf.contrib.layers.xavier_initializer
tf.contrib.layers.xavier_initializer_conv2d
tf.contrib.layers.variance_scaling_initializer
优化
由于损失而优化权重。
tf.contrib.layers.optimize_loss
摘要
帮助函数来汇总特定变量或操作。
tf.contrib.layers.summarize_activation
tf.contrib.layers.summarize_tensor
tf.contrib.layers.summarize_tensors
tf.contrib.layers.summarize_collection
层模块定义方便的函数 summarize_variables,summarize_weights 和 summarize_biases，分别将 summarize_collection 集合参数设置为变量、权重和偏差。
tf.contrib.layers.summarize_activations
功能列
功能列提供了将数据映射到模型的机制。
tf.contrib.layers.bucketized_column
tf.contrib.layers.check_feature_columns
tf.contrib.layers.create_feature_spec_for_parsing
tf.contrib.layers.crossed_column
tf.contrib.layers.embedding_column
tf.contrib.layers.scattered_embedding_column
tf.contrib.layers.input_from_feature_columns
tf.contrib.layers.joint_weighted_sum_from_feature_columns
tf.contrib.layers.make_place_holder_tensors_for_base_features
tf.contrib.layers.multi_class_target
tf.contrib.layers.one_hot_column
tf.contrib.layers.parse_feature_columns_from_examples
tf.contrib.layers.parse_feature_columns_from_sequence_examples
tf.contrib.layers.real_valued_column
tf.contrib.layers.shared_embedding_columns
tf.contrib.layers.sparse_column_with_hash_bucket
tf.contrib.layers.sparse_column_with_integerized_feature
tf.contrib.layers.sparse_column_with_keys
tf.contrib.layers.weighted_sparse_column
tf.contrib.layers.weighted_sum_from_feature_columns
tf.contrib.layers.infer_real_valued_columns
tf.contrib.layers.sequence_input_from_feature_columns
参考文档
- TensorFlow官方文档
- Tensorflow contrib.layers 模块介绍
- tensorflow中batch normalization的用法
- TensorFlow 2 / 2.0 中文文档