深度学习理解概念系列——VGG模型参数

最新推荐文章于 2024-07-15 17:24:13 发布
最新推荐文章于 2024-07-15 17:24:13 发布
阅读量3.2k 收藏 7
点赞数 14
文章标签： 神经网络 tensorflow 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/biaoge6666/article/details/107697412
版权
本文介绍了VGG-19这一经典卷积神经网络的参数结构，包括权重w和偏置b的获取方法，以及如何在Python环境中查看模型参数。通过调整索引可以访问所有层的参数，同时提到实际应用中还需进行图像预处理等步骤。
摘要由CSDN通过智能技术生成

VGG是一个非常经典的卷积神经网络架构，他的版本很多，用的最广泛的应该是D版本，本人最近使用的是训练好的VGG-19，也就是下面的E版本。

下载地址：http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat

第一次看到VGG19模型的参数时我整个人是懵的（疯狂套娃那种），这个模型参数应该是使用MATLAB导出的，所以要可视化好像需要下MATLAB。但仍然可以导入后在python环境里大概看看长什么样子。

vgg = scipy.io.loadmat(path)
vgg.keys()

'__header__', '__version__', '__globals__', 'layers', 'classes', 'normalization']

这里最重要的是后面三个（normalization对图像预处理用的上）。

w，b参数的获取

在这里插入图片描述

最低0.47元/天 解锁文章
tangjxycu
关注
专栏目录
Keras深度学习实战——基于VGG19模型实现性别分类
走向CTO的路上...
05-27 349
本教程将介绍如何使用 Keras 深度学习框架和 VGG19 模型来实现性别分类任务。性别分类是指根据图像中的面部特征判断图像中人的性别。Keras深度学习框架提供了简单易用的工具来构建 VGG19 模型进行性别分类，这使得该技术可以更加广泛地应用。
深度学习简明教程系列 —— 经典模型（合集）
编程之路
09-11 6252
本教程是深度学习简明教程系列的第二部分，旨在提取最精炼且必备的深度学习知识点，供读者快速学习及本人查阅复习所用，大多内容是本人结合个人理解补充细节整合而成，参考链接放在文章最后。 第一章AlexNet 1.1 结构与参数 AlexNet的网络结构如下图所示： AlexNet网络结构图 网络参数如下： 卷积层：5层 全连接层：3层 深度：8层 参数个数：60M 神经元个数：650k 分类数目：1000类 1.2 网络细节 1.2.1 分组卷积 由于当时的显卡容量问题...
以VGG为例，分析深度网络的计算量和参数量
LogM的博客
05-15 1万+
摘要：我第一次读到ResNet时，完全不敢相信152层的残差网络，竟然在时间复杂度（计算量）上和16层的VGG是一样大的。当然，对于初学者而言，直接分析ResNet的时间复杂度是有点难度的。...
深度学习图像处理之VGG网络模型 (超级详细)
热门推荐
BIgHAo1的博客
11-02 2万+
VGG介绍: 由牛津大学著名研究所VGG提出，斩获该年ImageNet竞赛中Localization Task（定位任务）第一名和Classification Task（分类任务）第二名。 VGG网络的配置：（VGG-16是许多模型中的主干网络） 在原论文中，作者给了6个VGG网络的不同配置，并且尝试了不同的深度（11、13、16、19层）以及是否采用LRN等。在实际使用过程中，我们一般都会采用D这个配置，...
经典卷积网络之VGG系列
最新发布
不老使者的博客
07-15 273
VGG系列模型是由牛津大学的计算机视觉组和Google DeepMind公司的研究人员共同开发的。该系列模型在2014年的ImageNet图像识别挑战赛中取得了显著的成绩，尤其是VGG16和VGG19模型，它们分别获得了竞赛的第二名和接近前列的排名。VGG系列的主要特点是采用了较小的卷积核（3x3）和较深的网络结构，这有助于提取更丰富的图像特征，提高识别准确率。
VGG详解
tt丫的博客
01-04 4446
一、VGG网络的背景 二、VGG网络结构 1、各网络结构参数图示 2、输入 3、双层 —— 一层卷积+（一层卷积+最大池化） 4、三层 —— 两层卷积+（一层卷积+最大池化） 5、全连接层——分类判决 6、拓展：VGG16_bn 三、VGG网络的亮点——连续小卷积核代替大卷积核 四、VGG网络的不足 五、VGG代码实现 一、VGG网络的背景 AlexNet问世之后，很多学者通过改进AlexNet的网络结构来提高自己的准确率，主要有两个方向：小卷积核和多尺度。 而VGG的作者们则选择
VGG19网络参数——mat格式文件
11-02
该文件为VGG19网络参数，文件名称为vgg.mat，本人在做风格转移时使用VGG19网络进行特征图的提取，详细内容请见：https://blog.csdn.net/qq_40298054/article/details/109433146
卷积神经网络基础知识四（VGG）
知行合一的博客
06-29 897
一.简单介绍 1.1 绪论 论文下载地址：https://link.zhihu.com/?target=https%3A//arxiv.org/abs/1409.1556 VGG是Oxford的VisualGeometryGroup的组提出的（大家应该能看出VGG名字的由来了）。该网络是在ILSVRC 2014上的相关工作，主要工作是证明了增加网络的深度能够在一定程度上影响网络最终的性能。VGG有两种结构，分别是VGG16和VGG19，两者并没有本质上的区别，只是网络深度不一样。 1.2VGG优缺点 VGG
深度学习之视觉特征提取器——VGG系列
m0_61787307的博客
04-22 1105
在VGG中，很大的贡献之一是使用了3×3卷积核以替代5×5卷积核、7×7卷积核等。这样的优点有两个：（1）对相同大小的图像使用更小感受野的卷积，就会导致卷积的层数更多，层数更多意味着对非线性的拟合更好。这一点可以类比于高次函数可以拟合的曲线更多、更逼近。比如yaxby=ax+byaxb就难以拟合曲线，而yaxbcxdyaxbcxd就可以拟合部分曲线。（2）对相同大小的图像使用3×3的卷积所需要的参数量更少。
【深度学习——VGG-16算法实现人脸识别】
qq_45786199的博客
03-09 556
基于VGG-16模型的图像分类器的训练过程。首先，设置了GPU，并导入数据集。然后，使用预训练的VGG-16模型，并对模型进行微调，修改最后一层全连接层的输出类别数目。接下来，定义了训练函数和测试函数，并设置了动态学习率。最后，进行了正式的训练，并保存了在测试集上表现最佳的模型。训练完成后，对训练过程进行了可视化，显示了训练准确率、测试准确率、训练损失和测试损失随着训练轮数的变化情况。此外，还可以使用训练好的模型对指定的图片进行预测，并进行模型评估。
打印VGG19网络的结构和参数
敲代码的小风
03-17 3548
代码展示: from nets.ssd import get_ssd import torch from torchsummary import summary from torchstat import stat model = get_ssd("train",3) model = torch.nn.Sequential(*model.vgg) summary(model.cuda(), input_size=(3, 300, 300), batch_size=1) print('结束'.cente
VGG19中的参数
qq_42120059的博客
03-30 268
最后一个[0]:相当于：array 数组:weight[0]=weight weight[1]=bias。[weight、pad、type、name、stride]:信息可以通过 0-4获取。[0][0][0]:连续三个0可以压缩去除虚的维。第一个[0]:压缩去除虚的维。[0-42]:层索引。
VGG19卷积网络结构
weixin_42602368的博客
12-19 2269
VGG19 是一种卷积神经网络，它由 19 层卷积层和 3 层全连接层组成。 在 VGG19 中，前 5 层卷积层使用的卷积核大小均为 3x3，并且使用了 2x2 的最大池化层。这 5 层卷积层是有序的，分别称为 conv1_1、conv1_2、conv2_1、conv2_2 和 conv3_1。 之后的 4 层卷积层使用的卷积核大小仍然为 3x3，但是不再使用最大池化层。这 4 层卷积层也是有序...
imagenet-vgg-verydeep-19参数结构解析
寸先生的AI道路
01-28 9613
第一次用网上下载的VGG-19参数来训练网络，下载的参数文件是       imagenet-vgg-verydeep-19.mat      文件有500多兆，不明觉厉害（大神莫笑，如果写得有问题欢迎指出以使我进步，哈哈），一下子不清楚它的参数是怎么组织的，为了弄清楚，参考了网上的帖子，也自己用笨办法一层一层的剥离了一下试试看，把解析后的结构记录一下。 一、VGG-19的结构     先
卷积神经网络之VGG
weixin_30242907的博客
01-30 747
2014年，牛津大学计算机视觉组（Visual Geometry Group）和Google DeepMind公司的研究员一起研发出了新的深度卷积神经网络：VGGNet，并取得了ILSVRC2014比赛分类项目的第二名（第一名是GoogLeNet，也是同年提出的).论文下载 Very Deep Convolutional Networks for Large-Scale Image Recogni...
VGG-19、VGG-16网络结构
weili_的博客
04-01 6069
VGG-19 网络结构如下：        0 is conv1_1 (3, 3, 3, 64)         1 is relu activation function          2 is conv1_2 (3, 3, 64, 64)         3 is relu             4 is maxpool         5 is conv2_1 (3, ...
keras—VGG19（一）
小麦粒的Python
08-09 8021
总共有很多参数,我们只关心我们需要关注的,W和B在哪里就行了，注意这里还有一个mean(平均值),因为VGG使用了图像预处理方式是 input - mean,当然这种处理方式在现在看来不怎么好,但是现在我们用人家的模型,需要遵照人家的意思. 从下面的图看到存储的43个参数 注意里面的Relu是没有数据的,因为Relu就是一个函数 注意Pool的参数是固定的,因为大小为:[1,2,2,1],步长[1,2,2,1],这里可以自己写,也可以读取参数
深度学习-VGG19网络识别手写汉字（基于HWDB1.1trn_gnt）
xingxingzhilong的专栏
05-10 2413
这段代码呢，使用了迭代器，能够减少内存的使用，不会一下次吃掉所有内存（不明白迭代器的小伙伴，自行百度学习）。图片按照上面六个顺序，进行处理，当然了，我这里还不够全面，比如还可以添加，检测图片是否摆正，是否需要翻转等等。，图片容易受到外在因素的干扰，比如有噪点，有色彩，有缺失等等一系列的问题。我罗列了一下我的处理过程。好的，做完这些之后，我们接下来就到正餐了，训练需要的样本都准备好了，接下来，我们要把我们的人工网络搭建起来。说明下，这两个字不是测试集和训练集当中的，是找两个人写的，识别的精准度还是很高的。
深度学习入门：概念、模型与实现
总结来说，这份PPT不仅介绍了深度学习的基本概念，还涵盖了其实现中的关键模型和技术，包括参数更新策略（如梯度下降）、正则化方法（如L1、L2正则化和Dropout），以及如何在实践中通过深度学习解决实际问题。...
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
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