TensorFlow训练工具类：training_util的帮助与用法

training_util是TensorFlow中的一个训练工具类，提供了一些实用的功能和函数，可以帮助用户在训练模型时进行一些常用的操作。

一、帮助函数：

1. create_global_step：

这个函数用于创建一个全局的训练步骤变量，并返回该变量。一般在模型训练时，需要记录模型已经训练的步骤数，可以使用该函数创建一个全局的步骤变量，并在每一次迭代训练时更新该变量的值。

2. get_or_create_global_step：

这个函数用于获取或者创建一个全局的训练步骤变量。在训练过程中，如果已经存在一个全局的步骤变量，那么可以使用该函数获取该变量，否则会创建一个新的全局步骤变量。

3. get_global_step：

这个函数用于获取当前训练步骤变量的值。一般在训练模型过程中，需要获取当前训练的步骤数，可以使用该函数获取全局步骤变量的值。

4. get_model_dir：

这个函数用于获取保存模型的目录路径。在训练模型过程中，需要将训练好的模型保存到磁盘上，可以使用该函数获取保存模型的目录路径。

5. get_weights_to_regularize：

这个函数用于获取需要进行正则化的权重列表。在训练模型时，可以通过设置正则化项来限制模型的复杂度，该函数可以获取需要进行正则化的权重列表。

二、使用例子：

import tensorflow as tf
from tensorflow.python.training import training_util

# 创建一个全局步骤变量
global_step = training_util.create_global_step()

# 获取或创建一个全局步骤变量
global_step = training_util.get_or_create_global_step()

# 获取当前训练步骤数
current_step = training_util.get_global_step()

# 获取保存模型的目录路径
model_dir = training_util.get_model_dir()

# 获取需要进行正则化的权重列表
weights_to_regularize = training_util.get_weights_to_regularize()

在上述例子中，我们首先使用create_global_step()函数创建了一个全局的训练步骤变量，然后使用get_or_create_global_step()函数获取或者创建了一个全局的训练步骤变量。通过get_global_step()函数和current_step变量，我们可以获取当前训练的步骤数。通过get_model_dir()函数，我们可以获取保存模型的目录路径。通过get_weights_to_regularize()函数，我们可以获取需要进行正则化的权重列表。

training_util提供了一些实用的功能和函数，可以方便用户在训练模型时进行一些常用的操作，提高训练效率和方便性。