神经网络之VGGNet模型的实现（Python+TensorFlow）

最新推荐文章于 2021-08-04 23:54:27 发布

Joy_Shen

最新推荐文章于 2021-08-04 23:54:27 发布

阅读量4.6k

点赞数 1

分类专栏： Deep Learning TensorFlow | Keras 文章标签： tensorflow VGGNet 神经网络深度学习

本文链接：https://blog.csdn.net/index20001/article/details/75442286

版权

本文通过Python和TensorFlow详细介绍了如何实现VGG-16模型，涵盖了深度学习中的关键网络结构。

摘要由CSDN通过智能技术生成

代码实现的是VGG-16的结构。

# -*- coding:utf-8 -*-
#
# VGG-16 Net model

import numpy as np
import tensorflow as tf

class Vgg16:
    def __init__(self, images, name):
        self.name = name
        self.input = images
        self.output = self.vgg16(self.input)
        list_vars = tf.trainable_variable()
        self.vars = [var for var in list_vars]
        
    def get_conv_weight(self, shape, name):
        return tf.Variable(tf.truncated_normal(shape, stddev=0.1), name=name)

    def get_bias(self, shape, name):
        return tf.Variable(tf.constant(0.0, shape=shape), name=name)

    def get_fc_weight(self, shape, name):
        return tf.Variable(tf.truncated_normal(shape, stddev=0.1), name=name)
    
    def conv_layer(self, x, ks, out_units, name):
        with t