基于Pyrorch深度学习网络的源码解读（VGG篇）

文章目录

• 前言

• 一、VGG网络简述

• 二、源码解读

• 三、总结

前言

本文基于Pytoch框架所写，故开始正文之前，我们需了解Pytorch框架及VGG对应的文章、源码。

---

一、VGG网络简介

1. 关于VGG网络

VGG 网络是卷积神经网络中的一种，在 2014 的 ImageNet 竞赛中，获得了定位任务第一名和分类任务第二名的好成绩。VGG突出的贡献是：用较小的卷积滤波器（3×3）代替之前较大的卷积滤波器（7×7/5×5），通过增加深度至16-19个权重层，有效提高网络的整体性能。如图一所示，VGG模型分为4个深度，即：11、13、16、19 weight layers。其中，较为经典的是深度为16和19的VGG16、VGG19。故，对结构的讲解以VGG16为例。        

 2. 怎样理解11、13、16、19 weight layers的概念

 对于16 weight layers,如下图绿色区域部分，13个卷积层（conv3)＋3个全连接层（FC)，其中不包括激活层。

 3. 怎样理解VGG16工作的过程

在讨论VGG16模型工作之前，我们可以将其大致分为以下三个模块：第一，输入模块(input image)；第二，特征提取模块（下图紫色方框）；第三，输出模块，即分类模块（下图蓝色方框）。

下面，我们重点看一下，图片是怎样经过VGG16模型&