人工智能学习07--pytorch13--VGG网络详解及感受野的计算+pytorch实现

VGG网络详解

使用时用的是D的配置，十六层。

网络分成两个部分：
1、全连接层前：提取特征网络的结构
2、三层全连接层：分类网络结构

感受野的计算

感受野：




3个33的卷积核可以替代一个77的卷积核：

采用多个小的卷积核进行堆叠，得到的感受野大小相同，这可以去替代一个大的卷积核，可以节省网络的训练参数的个数。


网络结构：

1. 输入：
   224x224大小的RGB图像。
2. 通过两层3x3的卷积核：
   得到的特征层大小：224x224x64。由于stride和padding为1，所以高宽不变。卷积核个数为64，所以深度为64。
3. 通过Maxpooling最大下采样：
   stride和padding为2 —> 高和宽缩减为原来一半，深度不变：112x112x64。
4. 通过两层3x3的卷积核：
   112x112x128
5. 通过Maxpooling最大下采样：
   56x56x128
6. 通过三层3x3的卷积核：
   56x56x256
7. 通过Maxpooling最大下采样：
   28x28x256
8. 通过三层3x3的卷积核：
   28x28x512
9. 通过Maxpooling最大下采样：
   14x14x512
10. 通过三层3x3的卷积核（还是512个）：
    14x14x512
11. 通过Maxpooling最大下采样：
    7x7x512
12. 连接三个全连接层：
    全连接层一和二采用的节点都是4096个；
    全连接层三1000个节点（依据ImageNet的分类任务，1000个类别）
    这1000个节点不需要加RELU函数，因为最后要通过softmax层进行激活。
13. 加上softmax处理：将预测结果转换为概率分布。
    

使用pytorch搭建VGG

模型部分

搭建ABDE四个配置模型

训练部分

别人的网络可能预处理第一步R、G、B三个通道分别减去如下值：

为ImageNet图像数据集所有图的R、G、B三通道均值。
但此处的网络没有这么操作，因为是从头开始训练的。
如果是基于迁移学习的方式使用再训练的话，则就要减去这三个值。因为预训练的模型是基于ImageNet训练的。

其余的跟AlexNet里面的训练方法一样。

模型比较大，但是这里的flowers数据集比较小，没法充分训练，这里不运行了。
训练时间长，训练效果一般。
如果要用vgg的话，建议使用迁移学习的方法（resnet网络会讲）。

预测

跟之前的AlexNet网络的预测过程是一样的。