【深度学习】VGG网络搭建（仅model）

最新推荐文章于 2023-11-08 13:03:33 发布

何顾长安

最新推荐文章于 2023-11-08 13:03:33 发布

阅读量232

点赞数

分类专栏：学习记录

本文链接：https://blog.csdn.net/heguu/article/details/116156731

版权

学习记录专栏收录该内容

15 篇文章 0 订阅

订阅专栏

VGG是一个很简单很常用的分类网络模型
在这里插入图片描述
conv3是3x3的卷积，stride为1，padding为1
maxpool是最大池化下采样，stride为2，kernel_size为2
由于网络的模型很简单，所以直接记录代码

import torch
import torch.nn as nn

net_type = {}
# 记录每一种网络的输出channel，
net_type["11"] = [64, 'm', 128, 'm', 256, 256, 'm', 512, 512, 'm', 512, 512, 'm']
net_type["13"] = [64, 64, 'm', 128, 128, 'm', 256, 256, 'm', 512, 512, 'm', 512, 512, 'm']
net_type["16"] = [64, 64, 'm', 128, 128, 'm', 256, 256, 256,
                  'm', 512, 512, 512, 'm', 512, 512, 512, 'm']
net_type["19"] = [64, 64, 'm', 128, 128, 'm', 256, 256, 256, 256,
                  'm', 512, 512, 512, 512, 'm', 512, 512, 512, 512, 'm']


class VGG(nn.Module):
    def __init__(self,n="16",shape=224):
        super(VGG, self).__init__()
        self.conv_net = self.make_layer(n)
        self.fc_net = nn.Sequential(
            # 随机失活神经元，p=0.5 防止过拟合
            nn.Dropout(),
            nn.Linear((shape//32)**2*512, 4096),
            nn.ReLU(True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(True),
            nn.Linear(4096, 1000)

        )


    def forward(self,x):
        x = self.conv_net(x)
        # 展平处理
        x = torch.flatten(x,start_dim=1)
        x = self.fc_net(x)
        x = x.sigmoid()

        return x



    def make_layer(self,n="16"):
        inchannel = 3
        layer = []
        for i in net_type[n]:

            if i == "m":
                layer.append(nn.MaxPool2d(kernel_size=2,stride=2))
            # vgg网络中所有conv的stride=1，kernel_size=3
            # 所有maxpool kernel_size =2,stride=2
            else:

                layer.append(nn.Conv2d(inchannel,out_channels=i,kernel_size=3,padding=1))
                layer.append(nn.ReLU(True))
                inchannel = i

        return nn.Sequential(*layer)