VGGNet

目录

一、VGGNet介绍

1、VGG块

2、VGG架构

3、LeNet, AlexNet和VGGNet对比

4、总结

二、代码实现

1、定义VGG卷积块

2、VGG网络

3、训练模型

4、总结

---

一、VGGNet介绍

       VGGNet（Visual Geometry Group Network）是一种深度卷积神经网络，由牛津大学计算机视觉组（Visual Geometry Group）的研究团队于2014年提出。VGGNet在当时的ImageNet图像识别挑战中取得了很好的表现，并成为了深度学习和计算机视觉领域中的经典模型之一。

1、VGG块

       VGGNet的设计思想相对简单，其主要特点是将卷积层组合成块（卷积块），再把卷积块进行拼接，就像拼乐高一样，使模型更加规则。网络中的卷积层使用相同数量的卷积核，并采用相同的填充方式和步长。通过多次堆叠这种相同结构的卷积层，VGGNet可以构建不同深度的网络。

2、VGG架构

       多个VGG块后接全连接层，不同次数的重复块得到不同的架构VGG-16，VGG-19。

3、LeNet, AlexNet和VGGNet对比

	LeNet	AlexNet	VGGNet
改进	2卷积+池化层 2全连接层	更大更深的LeNet ReLU, Dropout, 数据增强	更大更深的AlexNet 重复的VGG块

4、总结

• VGG使用可重复使用的卷积块来构建深度卷积神经网络
• 不同的卷积块个数和超参数可以得到不同复杂度的变种

二、代码实现

1、定义VGG卷积块

       一个VGG块由一系列卷积层组成，后面再加上用于空间下采样的最大池化层。在下面的代码中，我们定义了一个名为`vgg_block`的函数来实现一个VGG块。该函数有三个参数，分别对应于卷积层的数量`num_convs`、输入通道的数量`in_channels`和输出通道的数量`out_channels`。

import torch
from torch import nn
from d2l import torch as d2l

def vgg_block(num_convs, in_channels, out_channels):    # 这里是一个卷积块，可以自定义卷积块内卷积层的数量
    layers = []
    for _ in range(num_convs):
        layers.append(nn.Conv2d(in_channels, out_channels,
                                kernel_size=3, padding=1))
        layers.append(nn.ReLU())
        in_channels = out_channels
    layers.append(nn.MaxPool2d(kernel_size=2,stride=2))
    return nn.Sequential(*layers)

2、VGG网络

       与AlexNet、LeNet一样，VGG网络可以分为两部分：第一部分主要由卷积层和池化层组成，第二部分由全连接层组成。如下图所示。

       VGG神经网络连接的几个VGG块（在`vgg_block`函数中定义）。其中有超参数变量`conv_arch`。该变量指定了每个VGG块里卷积层个数和输出通道数。全连接模块则与AlexNet中的相同。

       原始VGG网络有5个卷积块，其中前两个块各有一个卷积层，后三个块各包含两个卷积层。第一个模块有64个输出通道，每个后续模块将输出通道数量翻倍，直到该数字达到512。由于该网络使用8个卷积层和3个全连接层，因此它通常被称为VGG-11。

conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))

       下面的代码实现了VGG-11。可以通过在`conv_arch`上执行for循环来简单实现。

def vgg(conv_arch):
    conv_blks = []
    in_channels = 1
    # 卷积层部分
    for (num_convs, out_channels) in conv_arch:
        conv_blks.append(vgg_block(num_convs, in_channels, out_channels))
        in_channels = out_channels

    return nn.Sequential(
        *conv_blks, nn.Flatten(),
        # 全连接层部分
        nn.Linear(out_channels * 7 * 7, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 10))

net = vgg(conv_arch)

       接下来，我们将构建一个高度和宽度为224的单通道数据样本，以观察每个层输出的形状。

X = torch.randn(size=(1, 1, 224, 224))
for blk in net:
    X = blk(X)
    print(blk.__class__.__name__,'output shape:\t',X.shape)

Sequential output shape:	 torch.Size([1, 64, 112, 112])
Sequential output shape:	 torch.Size([1, 128, 56, 56])
Sequential output shape:	 torch.Size([1, 256, 28, 28])
Sequential output shape:	 torch.Size([1, 512, 14, 14])
Sequential output shape:	 torch.Size([1, 512, 7, 7])
Flatten output shape:	 torch.Size([1, 25088])
Linear output shape:	 torch.Size([1, 4096])
ReLU output shape:	 torch.Size([1, 4096])
Dropout output shape:	 torch.Size([1, 4096])
Linear output shape:	 torch.Size([1, 4096])
ReLU output shape:	 torch.Size([1, 4096])
Dropout output shape:	 torch.Size([1, 4096])
Linear output shape:	 torch.Size([1, 10])

3、训练模型

       由于VGG-11比AlexNet计算量更大，因此我们构建了一个通道数较少的网络，足够用于训练Fashion-MNIST数据集。

ratio = 4
small_conv_arch = [(pair[0], pair[1] // ratio) for pair in conv_arch]   # 将输出通道数缩小为之前的1/4
print(small_conv_arch)
net = vgg(small_conv_arch)

[(1, 16), (1, 32), (2, 64), (2, 128), (2, 128)]

除了使用略高的学习率外，模型训练过程与AlexNet类似。

lr, num_epochs, batch_size = 0.05, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

loss 0.178, train acc 0.935, test acc 0.920
2463.7 examples/sec on cuda:0

4、总结

• VGG-11使用可复用的卷积块构造网络。不同的VGG模型可通过每个块中卷积层数量和输出通道数量的差异来定义。
• 块的使用导致网络定义的非常简洁。使用块可以有效地设计复杂的网络。
• 在VGG论文中，Simonyan和Ziserman尝试了各种架构。特别是他们发现深层且窄的卷积（即卷积核为）比较浅层且宽的卷积更有效。