基于Pyrorch深度学习(VGG代码实现)

文章目录

前言

• 一、步骤解析

• 二、代码实现

• 三、验证

---

前言

利用Pytorch对VGG16代码实现的过程进行解析，并进行验证。

---

一、步骤解析

1）、上图1—>2过程：

输入宽度、高度、通道数分别为224、224、3的图片，输出宽度、高度、通道数分别为224、224、64的图片。该过程经历两次卷积，两次非线性激活。

nn.Conv2d(3, 64, kernel_size=3, padding=1), # 输入3通道， 输出64通道， 卷积核为3×3，填充为1
nn.ReLU(inplace=True),
nn.Conv2d(64, 64, kernel_size=3, padding=1), # 输入、输出通道数不变， 卷积核为3×3，填充为1
nn.ReLU(inplace=True),

2）、上图2—>3过程：

输入宽度、高度、通道数分别为224、224、64的图片，输出宽度、高度、通道数分别为112、112、128的图片。该过程经历一次最大池化，两次卷积和两次非线性激活。

nn.MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False), # 缩小图像尺寸
nn.Conv2d(64, 128, kernel_size=3, padding=1), # 输出通道数变为原来2倍
nn.ReLU(inplace=True),
nn.Conv2d(128, 128, kernel_size=3, padding=1), # 输入、输出通道数不变
nn.ReLU(inplace=True),

3）、上图3