张量流中预训练的vgg的批次归一化

Question

我对如何在Tensorflow中实现批次规范化有一个幼稚的问题。感谢您的解释，示例代码和链接。

要使用 dropout ，我们可以在调用模型时确定 dropping 的数量作为输入，如下所示：

with slim.arg_scope(vgg.vgg_arg_scope(weight_decay=args.weight_decay)):
    model_outputs, _ = vgg.vgg_16(x_inputs, num_classes=TOT_CLASSES, is_training=True, **dropout_keep_prob=args.DROPOUT_PROB**)

1-我们是否有类似的东西可以使用批处理规范化？

2-，如果我想实现此链接https://www.tensorflow.org/api_docs/python/tf/layers/batch_normalization的说明，是否需要更改网络代码，即https://github.com/tensorflow/models/blob/master/research/slim/nets/vgg.py？

OR

我可以在调用模型之前先使用my_inputs_norm = tf.layers.batch_normalization(x, training=training) ，像这样：

**my_inputs_norm** = tf.layers.batch_normalization(x, training=training)
with slim.arg_scope(vgg.vgg_arg_scope(weight_decay=args.weight_decay)):
    model_outputs, _ = vgg.vgg_16(**my_inputs_norm**, num_classes=TOT_CLASSES, is_training=True, **dropout_keep_prob=args.DROPOUT_PROB**)