TensorFlow：当我们微调预训练模型的某些层时，我们是否排除了一个作用域或操作？

Question

当我指的是网络的一层时，我很困惑范围或操作的含义。如果我想微调网络的最后一个softmax层，我是要转到作用域、操作还是变量来处理它？这些术语之间有什么区别？在

我看过TF slim walkthrough ipynb教程，下面是他们如何排除一些微调范围的方法：

def get_init_fn():
    """Returns a function run by the chief worker to warm-start the training."""
    checkpoint_exclude_scopes=["InceptionV1/Logits", "InceptionV1/AuxLogits"]

    exclusions = [scope.strip() for scope in checkpoint_exclude_scopes]

    variables_to_restore = []
    for var in slim.get_model_variables():
        excluded = False
        for exclusion in exclusions:
            if var.op.name.startswith(exclusion):
                excluded = True
                break
        if not excluded:
            variables_to_restore.append(var)

    return slim.assign_from_checkpoint_fn(
      os.path.join(checkpoints_dir, 'inception_v1.ckpt'),
      variables_to_restore)

似乎他们排除了某些作用域["InceptionV1/Logits", "InceptionV1/AuxLogits"]，从中他们将每个变量从他们想要排除的范围中排除，并且从他们没有列出的范围中包括任何变量{}。可以肯定地说，范围实际上指的是层吗？在

如果是这样，这就是令人困惑的部分：变量与操作的相关性是什么？我的印象是操作名称用于查找作用域名称，如["InceptionV1/Logits", "InceptionV1/AuxLogits"]，例如，通过写入[op.name for op in g.get_operations()]。如果是这样，为什么一个变量仍然有一个op.name？在

如何找到作用域名称以选择要微调的某些层？我想这对消除我的困惑很重要。在

谢谢你们的帮助。在