VGG16、VGG19网络架构及模型训练 tricks ：训练技巧、测试技巧

已于 2022-04-30 21:15:20 修改
阅读量2.4k 收藏 16
点赞数 11
分类专栏： 深度学习 文章标签： 人工智能 深度学习 机器学习 分类 计算机视觉
于 2022-04-23 14:45:00 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_62128864/article/details/124359543
版权
本文总结了VGG16和VGG19网络的训练技巧，包括尺度扰动（Scale jittering）和预训练模型初始化，以及测试技巧如多尺度评估。尺度扰动通过改变图片尺寸和颜色增强数据，预训练模型初始化可以提升深度学习性能。在测试阶段，采用不同尺度的图片预测并取平均值，以提高准确性。实验表明，尺度扰动和多尺度测试策略能有效提升模型性能。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

在上一篇文章的基础之上，总结一下论文中提出的训练技巧和测试技巧。上一篇文章参考：VGG论文笔记--VGGNet网络架构演变[VGG16,VGG19]

一、训练技巧

技巧1：Scale jittering 尺度扰动

 数据增强

  • 方法一：针对位置

训练阶段： ① 按比例缩放图片至最小边为S

                   ② 随机位置裁剪出224*224区域

                   ③ 随机进行水平翻转

解释：例如一张图片尺寸为512*1024，设置S=256，那么该图片的最短边512就要变成256，1024边自动等比例进行缩放。代码实现时，注意是resize((256))，而不是resize(256,256) 。缩放完成后，随机位置裁剪出224*224的区域，最后进行随机水平

最低0.47元/天 解锁文章
深度学习炼丹-超参数调整和模型训练技巧
专注计算机视觉算法训练，算法优化部署以及SDK开发的知识分享。
12-13 1764
所谓超参数，即不是通过学习算法本身学习出来的，需要作者手动调整（可优化参数）的参数(理论上我们也可以设计一个嵌套的学习过程，一个学习算法为另一个学习算法学出最优超参数)，卷积神经网络中常见的超参数有: 优化器学习率、训练 Epochs 数、批次大小 batch_size 、输入图像尺寸大小。
Deep Learning_预训练CNN图片分类模型（AlexNet、VGG、GoogLeNet、Resnet.....）
夏大兔的学习笔记
08-22 9006
这段时间在做一个人脸验证的大作业，接触到了一些预训练模型（AlexNet、VGG、GoogLeNet、Resnet…..），今天看到了一个关于这些模型的比较好的回答，记录下来方面日后翻阅。作者：周博磊 链接：https://www.zhihu.com/question/43370067/answer/128881262 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明
深度学习入门教程二：VGG网络的搭建与训练
weixin_46524818的博客
01-22 2299
VGG模型是跨时代之作，本文对VGG论文进行简单的解读，并且对VGG16模型进行复现
1.2 VGG训练方法概要
skywuuu的博客
12-09 1620
3 CLASSIFICATION FRAMEWORK 这个部分讲的是ConvNet分类网络训练和测试的细节。 3.1 TRAINING ConvNet的训练程序基本和AlexNet差不多。也就是说，训练是通过使用具有**动量 (momentum)**的，基于反向传播的mini-batch梯度下降来优化多项logistic regression. batch size设置为256，momentum为0.9. 这个训练是通过weight decay（L2regularizationL^2 regularizat
VGG网络介绍
最新发布
qq_52003178的博客
03-21 286
3×3111×112×22224×224×33×3, 64224×224×643×3, 1283×3, 25656×56×2563×3, 51228×28×5123×3, 51214×14×512409640961000📌结构类似，只是在卷积层数上有所增加（VGG16: 13 个卷积层，VGG19: 16 个卷积层）。
使用VGG训练Imagenet
kesonyk的专栏
12-22 2万+
使用VGG训练Imagenet准备数据具体官网地址，请点击这里ImageNet官网训练数据集：ILSVRC2012_img_train.tar验证数据集：ILSVRC2012_img_val.tar数据解压sudo tar –xvf ILSVRC2012_img_train.tar -C ./train sudo tar –xvf ILSVRC2012_img_val.tar -C ./val对
深度学习：实现和训练VGG网络
HUSTGO的博客
07-11 1834
VGG块由多个卷积层和一个最大池化层组成。我们定义了两个版本的VGG网络，分别为VGG-11和VGG-19。# VGG-11通过这次学习，我们了解了如何实现VGG11和VGG19网络，并设置合适的训练参数。文献中关于学习率、动量等参数的建议对模型的训练效果有重要影响。在实际应用中，我们可以根据具体需求调整这些参数，以达到最佳效果。同时，我们也认识到在选择网络深度时需要在性能和计算复杂度之间进行权衡。
【Tensorflow slim】slim learning包
zj360202的专栏
11-21 8670
TF-Slim在learning.py中的训练模型提供了一套简单但功能强大的工具。 这些功能包括一个训练函数可以反复测量损失，计算梯度并将模型保存到磁盘，以及用于操纵梯度的几个便利函数。 例如，一旦我们指定了模型，损失函数和优化方案，我们可以调用slim.learning.create_train_op和slim.learning.train来执行优化： g = tf.Graph() #
神经网络训练Trick 训练技巧.docx
06-07
本文将根据提供的文档内容，详细阐述神经网络训练中常见的问题及解决策略。 #### 如何使用这份指引 在遇到神经网络训练难题时，可以参考以下步骤和建议： 1. **从简单模型开始**：选择一个已知能较好完成目标任务...
CNN中卷积神经网络的技巧trick总结（图像识别/目标检测/语义分割）
Kivee的博客
12-21 4759
CNN图像分类的tricks 原文 Baseline： 预处理： 随机抽取一张图片，解码成32位浮点型的[0,255]的像素值形式 随机在原图上裁剪一片比例在[3/4, 4/3]，面积在[8%, 100%]的矩形区域，然后resize到224x224 按0.5的概率对上一步的图片水平翻转 在[0.6, 1.4]之间均匀采样系数用于缩放色调、饱和度和亮度(HSB) 按正态分布N(...
VGG19预训练模型（不包括全连接层）
01-17
VGG19预训练模型（不包括全连接层），是一个字典结构，请使用numpy读取。
VGG16 & VGG19复现代码与权重
04-05
复现VGG16与VGG19,其中VGG16，VGG19权重放了连接，可自行下载。链接https://blog.csdn.net/jainszhang/article/details/79810478
笔记3：torch训练测试VGG网络
qq_2787174606的博客
05-12 490
train loss和train corre分别代表损失和正确率，横轴是不同迭代下每一个伦次的loss&corre累加，一个迭代进行33个轮次，每个迭代最后一个伦次数据不足被网络舍弃，10个迭代总共320次。python生成上图代码如下，其中GETVGGnet是搭建VGG网络的程序GETVGGnet.py，VGGnet是该程序中的搭建网络类。此次训练在CPU上进行，迭代次epoch = 10，迭代内轮次batch=300，训练集10000张，测试集2000张。训练的损失和正确率在波动，但总体趋势较好。
keras中VGG19预训练模型的使用
热门推荐
牧野的博客
07-24 3万+
keras提供了VGG19在ImageNet上的预训练权重模型文件，其他可用的模型还有VGG16、Xception、ResNet50、InceptionV3 4个。   VGG19在keras中的定义： def VGG19(include_top=True, weights='imagenet', input_tensor=None, input_shape=None,...
深度学习_图像分类（二）——VGG训练数据（二）
DONG_LIN_2019的博客
11-01 1699
目录 Step 1/4数据制作记录 Step 2/4 模型构建（该教程有计算过，就直接贴） Step 3/4 训练（将数据、模型和损失函数优化器融合） Step 1/4数据制作记录 （每步都会有整体代码附在节后面） PetImages/ train/ Dog/ 1.jpg 2.jpg ...
用VGG_16网络模型训练并测试自己的数据库（超级详细的教程）
visvim的博客
04-14 8993
网络结构：VGG-16 数据库：cats_vs_dogs 硬件：Nvida Quadro p2000 5GB 深度学习框架：Tensorflow 文章目录step1: Get Filestep2: Transform To TFRecordstep3: Read TFRecordstpe4: VGG_16 Modelstep5: Train step1: Get File 找到已经下载到电脑...
神经网络—VGG19（pytorch）
2403_86447519的博客
08-29 2119
VGG19网络的介绍
CNN经典网络（3）---VGG（模型搭建+训练+预测）
m0_57224196的博客
12-29 2930
CNN之经典网络三：VGG。论文阅读+模型搭建+训练+预测
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

码农男孩

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值