动手学深度学习V2.0(Pytorch)——25. 使用块的网络 VGG

已于 2023-06-15 18:27:48 修改
阅读量528 收藏
点赞数
分类专栏： 动手学深度学习pytorch 文章标签： 深度学习 pytorch 网络
于 2022-01-18 19:49:42 首次发布
本文为博主原创文章，未经博主允许不得转载。
本文链接：https://blog.csdn.net/Castlehe/article/details/121979632
版权
本文介绍了VGG网络的基本思想，它通过使用3x3卷积层和2x2最大池化的VGG块来构建深层网络。VGG网络的出现为深度学习提供了模块化设计的思路，允许通过调整块内卷积层数和通道数来创建不同复杂度的网络。VGG-16和VGG-19是其代表作，具有更高的准确率但推理速度较慢。文章还讨论了PyTorch中可能出现的GPU内存问题以及Windows下GPU内存的专用和共享情况。
摘要由CSDN通过智能技术生成

文章目录

P1 讲解

1.1 基本介绍

视频地址：https://www.bilibili.com/video/BV1Ao4y117Pd
教材文档：https://zh-v2.d2l.ai/chapter_convolutional-modern/vgg.html

虽然AlexNet证明深层神经网络卓有成效，但它没有提供一个通用的模板来指导后续的研究人员设计新的网络。
VGG提供了一种用于设计深层神经网络的启发式概念。
与芯片设计中工程师从放置晶体管到逻辑元件再到逻辑块的过程类似，神经网络架构的设计也逐渐变得更加抽象。
研究人员开始从单个神经元的角度思考问题，发展到整个层，现在又转向块，重复层的模式。
大学的视觉几何组（visualgeometry group）的VGG网络中。通过使用循环和子程序，可以很容易地在任何现代深度学习框架的代码中实现这些重复的架构。

了解本专栏 订阅专栏 解锁全文 超级会员免费看
吨吨不打野
关注
专栏目录
订阅专栏
动手学深度学习V2.0(Pytorch)——26. 网络中的网络 NiN
Castlehe的博客
01-21 709
P1 课件讲解 https://www.bilibili.com/video/BV1Uv411G71b P2 代码 https://www.bilibili.com/video/BV1Uv411G71b?p=2 P3 Q&A https://www.bilibili.com/video/BV1Uv411G71b?p=3
【动手学习pytorch笔记】12.VGG
ymk1998的博客
03-27 176
VGG 和AlexNet差不多，但VGG提出了块的概念，一个块包含几个卷积层，激活函数和池化层，使模型结构更加规范 模型结构 import torch from torch import nn from d2l import torch as d2l def vgg_block(num_convs, in_channels, out_channels): layers = [] for _ in range(num_convs): layers.append(nn.C
动手学深度学习V2.0(Pytorch)——30. 第二部分完结竞赛：图片分类 及 38. 树叶分类结果 及 43. 树叶分类竞赛技术总结
Castlehe的博客
02-07 875
文章目录30. 竞赛说明 30. 竞赛说明 https://www.kaggle.com/c/classify-leaves
动手学深度学习-（李沐）PyTorch版本
weixin_64338372的博客
04-04 8531
《动手学深度学习》PyTorch版本和TendorFlow版本（内有所有代码和PDF版下载地址）
动手学深度学习第二版——Day1（章节1——2.2）
Mrwei_418的博客
10-29 1422
动手学深度学习第二版——Day1（章节1——2.2） 1、简单介绍 1)、整体内容 深度学习基础——线性神经网络，多层感知机 卷积神经网络——LeNet，AlexNet，VGG，Inception，ResNet 循环神经网络——RNN。GRU，LSTM，seq2seq 注意力机制——Attention, Transformer 优化算法——SGD， Momentum， Adam 高性能计算——并行，多GPU，分布式 计算机视觉——目标检测，语义分割 自然语言处理——词嵌入，BERT 2)、深度学习介绍
【PyTorch深度学习项目实战100例目录】项目详解 + 数据集 + 完整源码
热门推荐
CSDN 精品推荐
09-30 8万+
大家好，我是阿光。本专栏整理了《深度学习100例》，内包含了各种不同的深度学习项目，包含项目原理以及源码，每一个项目实例都附带有完整的代码+数据集。正在更新中~ ✨。
PyTorch 笔记Ⅹ——迁移学习ResNet18_&_VGG16
DeepHao'Blog
12-29 3491
文章目录获取所使用的NVIDIA显卡设备谷歌云盘挂载及数据读取导入必要的包数据集制作获取设备信息数据可视化ResNet18ResNet18模型获取与配置参数配置开始训练模型读取与预测PIL与Transform读取方式VGG16VGG16模型获取与配置参数配置开始训练模型读取与预测OpenCV读取方式PIL与OpenCV对比OpenCV归一化处理图像PIL归一化处理图像 获取所使用的NVIDIA显卡设备 !nvidia-smi Tue Sep 1 10:29:57 2020 +-------
Python深度学习之PyTorch基础教程
最新发布
twg666的博客
06-10 1539
PyTorch是一个基于Torch的Python开源机器学习(深度学习)框架，由Facebook的人工智能研究院开发，不仅能够实现强大的GPU加速，还支持动态神经网络，使得研究人员和开发人员能够轻松构建和训练复杂的深度学习模型。与TensorFlow等其他框架相比，Pytorch的主要优势在于其简单易用的接口、高效的性能和强大的生态系统。
动手学深度学习——学习笔记
qq_48878958的博客
11-20 156
动手学深度学习（李沐）学习笔记
深度学习入门之二阶段小demo练习：使用深度学习框架（tensorflow2.0及以上、pytorch1.0及以上版本）搭建VGG、inception、resnet网络，并同时绘制曲线
weixin_44414948的博客
12-04 567
根据个人经验总结的深度学习入门路线（简单快速） https://blog.csdn.net/weixin_44414948/article/details/109704871 深度学习入门二阶段demo练习： https://blog.csdn.net/weixin_44414948/article/details/110673660 Demo任务： 使用深度学习框架（tensorflow2.0及以上、pytorch1.0及以上版本）搭建VGG、inception、resnet网络。 数据集：mni.
相关-21. 卷积的示意图（普通卷积，多通道卷积等）及Featur Map可视化
Castlehe的博客
12-14 5665
0. 普通卷积动图 图源自：Types of Convolution(Translation) 图自：Intuitively Understanding Convolutions for Deep Learning 图自：github-vdumoulin/conv_arithmetic 这里还有很多其他类似的图，上图是padding取1（kernel-2p=1），步幅取偶数（取了2）的情况 图自：Convolutional layer 图自：CNN Image Classification
相关-37. 释放GPU显存
Castlehe的博客
03-01 4771
文章目录1. 起因2. 常规解决 1. 起因 RuntimeError: CUDA out of memory. Tried to allocate 144.00 MiB (GPU 0; 2.00 GiB total capacity; 1.29 GiB already allocated; 79.00 MiB free; 1.30 GiB reserved in total by PyTorch) 我的机器显存只有4G 如果启动训练后由于代码错误，但是数据和模型已经加载到GPU中。 此时报错后，并不会
动手学深度学习V2.0(Pytorch)——19.卷积
Castlehe的博客
12-09 2356
P1 从全连接层到卷积 https://www.bilibili.com/video/BV1L64y1m7Nh 假设有一个还不错的手机，拍出来一张图片（比如iphone11的后置摄像头，就是双摄：1200 万像素广角及超广角，来自iphone11技术规格）。那么一张照片至少12M（Million 百万），如果是RGB图的话就是36M？？？ 如果使用一个有100个神经元的单隐藏层的MLP，考虑一下，y=wx+by=wx+by=wx+b，这里x=36M∗1x=36M*1x=36M∗1，则w=100∗36M=
动手学深度学习V2.0(Pytorch)——20. 卷积层里的填充和步幅
Castlehe的博客
12-13 2336
P1 填充和步幅 https://www.bilibili.com/video/BV1Th411U7UN
相关-28. pytorch中register_parameter()和parameter()
Castlehe的博客
02-06 2100
文章目录1. Parameter()2. register_parameter()3. 二者的区别 1. Parameter() 先看一下官方文档的定义和说明，点击这里 torch.nn.parameter.Parameter(data=None, requires_grad=True) """ Parameter定义的变量，其实也是一种Tensor，但是其会被作为模型的参数（特殊的张量） Parameters是Tensor的子类，当和Module类一起使用时，会有一个特殊的属性 即：当被指派为模型的
相关-22. Opencv-Python图像的几何变换（包括缩放/平移/旋转/仿射变换/透视变化）
Castlehe的博客
01-11 1999
参考： opencv python 图像缩放/图像平移/图像旋转/仿射变换/透视变换 Python实现图像平移、旋转、水平镜像等 小强学Python+OpenCV之－1.4.1平移、旋转、缩放、翻转－之实践 OpenCV Image Translation matplotlib文档：Affine transform of an image(图像仿射变换) matplotlib文档：matplotlib.transforms Image Translation using OpenCV | Python o
相关-26. pytorch中nn.AdaptiveAvgPool2d() 与 nn.AvgPool2d()函数的区别
Castlehe的博客
01-21 1920
1. 文档和示例 在实现NiN的时候，实现GAP使用了nn.AdaptiveAvgPool2d()函数，这里总结一下这两个函数的使用。 1.1 nn.AdaptiveAvgPool2d() nn.AdaptiveAvgPool2d()的帮助文档 nn.AdaptiveAvgPool2d(output_size: Union[int, Tuple[int, ...]]) -> None Applies a 2D adaptive average pooling over an input signal
动手学深度学习V2.0(Pytorch)——40.实战 Kaggle 比赛：狗的品种识别（ImageNet Dogs）
Castlehe的博客
03-07 1886
文章目录P1 代码P3 Q&A P1 代码 视频链接：https://www.bilibili.com/video/BV1j5411T7wx 教材文档：https://zh-v2.d2l.ai/chapter_computer-vision/kaggle-dog.html 代码slides：http://courses.d2l.ai/zh-v2/assets/notebooks/chapter_computer-vision/kaggle-dog.slides.html P3 Q&A htt
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

吨吨不打野

解决了问题，觉得还行就给点

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值