PyTorch实现VGG

最新推荐文章于 2024-07-24 11:21:28 发布

mingxiaod

最新推荐文章于 2024-07-24 11:21:28 发布

阅读量1.2w

点赞数 3

分类专栏： PyTorch

本文链接：https://blog.csdn.net/mingxiaod/article/details/88408890

版权

该博客详细介绍了如何使用PyTorch实现VGG网络，重点在于VGG块的定义及其结构。通过堆叠3x3卷积核和2x2池化层，创建了一个具有8个卷积层和5个最大池化层的网络，最终缩小了输入尺寸并增加了通道数。

摘要由CSDN通过智能技术生成

import numpy as np
import torch
from torch import nn
from torch.autograd import Variable

定义VGG的block

VGG几乎全部使用3x3的卷积核，以及2x2的池化层，使用小的卷积核进行多层堆叠和一个大的卷积核感受野是相同的，同时VGG小的卷积核还能减少参数，具有更深的结构。

def vgg_block(num_convs, in_channels, out_channels):
    # 定义第一层，并转化为 List
    net = [nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1),nn.ReLU(True)]
    
    # 通过循环定义其他层
    for i in range(num_convs - 1):
        # List每次只能添加一个元素
        # 输入和输出channel均为out_channels
        net.append(nn.Conv2d(out_channels, out_channels, kernel_size=3,padding=1))
        net.append(nn.ReLU(True))
        
    # 定义池化层    
    net.append(nn