博客作者通过实践VGG模型进行Kaggle猫狗图片分类，遇到模型报错。问题在于模型的输出通道数不匹配，原因是VGG11网络结构缺失了一个block。修复后，作者探讨了为何输入图像要resize到224x224，Xavier初始化的作用，以及VGG网络中通道数翻倍的原理。同时，作者还提及了特征图的概念。
照着教程【实战 VGG实现kaggle猫狗图片分类】完整流程 | 提供VGG11，VGG13，VGG16，VGG19 Pytorch 代码写了一下午。做一下学习笔记。
模型如下
关于报错
第一反应去看评论区，没人提到这个问题，应该是我手残打错了。再看看报错信息，提示两个矩阵不能相乘。按照我浅薄的理解，因为模型的输入需要一个固定的大小，我们应该是在初始化MyDataset的时候就已经把输入图片的矩阵resize成(224, 224)的形状了。
前面这个32应该是我设置的batch_size没错。但是问题来了，224*224=50176，这和上面的四个数字都没有直接关系，正好是100352的一半。再看看后面这个数字，25088=512*7*7，512是最后一个卷积层的输出维度，这没有问题。
突然在注意到VGG 11的定义。
再一看我的网络，怎么只有13层，果然少了一个block，加上后正好输出的通道数再翻一番。这样就是100352了。
现在的模型是这样的：
为什么要用Xavier做初始化
为什么要resize成（224*224）？是怎么resize的？
为什么每经过一个block，通道数都要（会）翻倍？
5.7. 使用重复元素的网络（VGG） — 《动手学深度学习》 文档
Why VGG-16 takes input size 512 * 7 * 7?
neural network - Why VGG-16 takes input size 512 * 7 * 7? - Stack Overflow
扫一扫
244
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
