tensorflow-C3D-ucf101网络

import tensorflow as tf
import vw_c3d_tools as c3d_tools
N_CLASSE = 9

def C3D_MODEL（xn_classesis_pretrain=True）:
#     conv（layer_name x out_channels weight_decay biases_decay kernel_size=[333] stride=[11111] is_pretrain=True）:
#     pool（layer_name x k is_max_pool=True）:
#     FC_layer（layer_name x out_nodesweight_decay biases_decay）:
    parameters = []
    conv1 = c3d_tools.conv（“conv1“ x 64 0.0005 0 is_pretrain=is_pretrain）
    with tf.name_scope（‘pool1‘）:    
        pool1 = c3d_tools.pool（“pool1“ conv1 1 is_max_pool=True）
    
    conv2 = c3d_tools.conv（“conv2“ pool1 128 0.0005 0 is_pretrain=is_pretrain）
    with tf.name_scope（‘pool2‘）:    
        pool2 = c3d_tools.pool（“pool2“ conv2 2 is_max_pool=True）
    
    conv3a = c3d_tools.conv（“conv3a“ pool2 256 0.0005 0 is_pretrain=is_pretrain）    
    conv3b = c3d_tools.conv（“conv3b“ conv3a 256 0.0005 0 is_pretrain=is_pretrain）
    with tf.name_scope（‘pool3‘）:    
        pool3 = c3d_tools.pool（“pool3“ conv3b 2 is_max_pool=True）
    
    conv4a = c3d_tools.conv（“conv4a“ pool3 512 0.0005 0 is_pretrain=is_pretrain）    
    conv4b = c3d_tools.conv（“conv4b“ conv4a 512 0.0005 0 is_pretrain=is_pretrain）
    with tf.name_scope（‘pool4‘）:    
        pool4 = c3d_tools.pool（“pool4“ conv4b 2 is_max_pool=True）

    conv5a = c3d_tools.conv（“conv5a“ pool4 512 0.0005 0 is_pretrain=is_pretrain）    
    conv5b = c3d_tools.conv（“conv5b“ conv5a 512 0.0005 0 is_pretrain=is_pretrain）
    with tf.name_scope（‘pool5‘）:        
        pool5 = c3d_tools.pool（“pool5“ conv5b 2 is_max_pool=True）
    
    pool5 = tf.transpose（pool5 perm=[01423]）
    with tf.name_scope（‘fc6‘）:
        fc6 = c3d_tools.FC_layer（‘fc6‘ pool5 4096 0.0005 0 0.5）
        fc6 = c3d_tools.batch_norm（fc6）
    with tf.name_scope（‘fc7‘）:
        fc7 = c3d_tools.FC_layer（‘fc7‘ fc6 4096 0.0005 0 0.5）
        fc7 = c3d_tools.batch_norm（fc7）
    with tf.name_scope（‘fc8‘）:
        fc8 = c3d_tools.FC_layer（‘fc8‘ fc7 n_classes 0.0005 0 1）
        fc8= c3d_tools.batch_norm（fc8）
    return fc8
    ‘‘‘with tf.name_scope（“softmax“）:
        softmax = tf.nn.softmax（tf.matmul（fc8W） + b）
    return softmax‘‘‘
    with tf.name_scope（‘softmax1‘） as scope:
         w = tf.Variable（tf.truncated_normal（[256N_CLASSE]
                                          dtype=tf.float32
                                          stddev=1e-1）name=‘weights‘）
         b = tf.Variable（tf.constant（0.0 shape=[N_CLASSE] dtype=tf.float32）