TensorFlow 强大的官方模型

先前曾尝试将多种分类模型迁移至Altra96板卡上，以实现硬件加速，过程中借助了tensorflow官网提供的多个预训练分类模型。实际使用体验表明，其操作便捷性与官方提供的精度数据具有较高的参考价值，为当前研究提供了诸多便利，故在此附上相关链接并作简要说明。
链接: https://github.com/tensorflow/models/tree/master/research/slim.

下方图表展示了官网所列举的几种常用CNN图像分类模型，该页面不仅提供了用于训练和评估的各类代码，还包含相应的脚本文件。用户既可从零开始训练模型，也可直接下载已训练完成的网络权重用于后续的微调处理。

官网已对TF-slim的API安装方法、数据准备流程以及训练与评估方式进行了详细说明，此处不再重复阐述。鉴于在硬件部署中采用的是持久化的pb权重文件，而通常在tensorflow框架中保存的模型多为ckpt格式，该格式包含了更多适用于训练过程的细节信息，具体如下所示：

    saver = tf.train.Saver() #声明saver用于保存模型，其中可以设置参数指定待保存的