tensorflow系列之_vgg16网络编写

Vgg16是卷据神经网络经典的网路结构之一，本人为学习tensorflow语法，实操构建vgg16网络，用的tensorflow 的contrib的模块，简洁方便。

Vgg16有16层，我一直纳闷16层怎么计算得来的，原来是卷积层+全连接层的数量! 记住pooling,bn,dropout层通常情况下都不算作层数！
vgg16有8个block（block，理解为网络里的一个卷积块），
block1 :2个conv+1个maxpool（卷积核64） 2层
block2 :2个conv+1个maxpool（卷积核128） 2层
block3 :3个conv+1个maxpool（卷积核256） 3层
block4 :3个conv+1个maxpool（卷积核512） 3层
block5 :3个conv+1个maxpool（卷积核512）3层
block6 :1个fc+1个dropout
block7 :1个fc+1个dropout
block8 :1个fc
总共就是2+2+3+3+3+1+1+1=16层

===
block1:
 net = slim.conv2d(x, num_outputs=64, kernel_size=[3, 3], scope ='conv1_1') 
 net=slim.conv2d(net, num_outputs=64, kernel_size=[3, 3], scope='conv1_2') 
# net=slim.max_pool2d(net,kernel_size=[2,2],stride=2，padding='VALID',scope='pool1') # 默认padding='VALID',stride=2  net = slim.max_pool2d(net,kernel_size=[2, 2],stride=2, scope='pool1') # h,w 减半 print('block1',net) # [1,112,112,64]

这里的卷积函数用的contrib.slim下的conv2d()api
slim.conv2d(inputs,num_outputs,kernel_size,stride,padding,scope)
inputs:输入图片
num_outputs:卷积核个数
kernel_size:卷积核尺寸，可以写成3*3 或者3 （主流卷积核大小一般3*3）
stride： 滑动步长，默认为1
padding：补齐方式，默认为SAME，即卷积后图片尺寸不变
还有 activate_fn 默认自带激活，tf.nn.relu方式
batch_norm 默认为None，可以自行设置

池化函数用的slim.max_pool2d()
slim.conv2d(inputs,kernel_size,stride,padding,scope)
inputs:输入图片
kernel_size:卷积核尺寸，可以写成3*3 或者3 （主流卷积核大小一般3*3）
stride： 滑动步长，默认为2 所以通常池化后 图片的 h，w 会减半！ 以达到减小网络参数的目的
padding: 补齐方式，默认为VAlid 不补齐
===
block2,block3,block4,block5的构建核block1类似，区别是卷积核数量从64向128，256 ，512，512倍增。
block6是全连接层，在vgg16里用的卷积来代替全连接，
这样做的目的是，可以适应任何大小的图片（来自某乎大佬的解释）


代码如下：
假如是全连接层方式的写法：
nets=slim.fully_connected(net,4096,scope='fc6') # （1，7，7，512） -> （1，1，1，4096） 
 
卷积的写法：
 net=slim.conv2d(net,4096,[7,7],padding='VALID',scope='fc6') # （1，7，7，512） -> （1，1，1，4096）  
dropout层（keep_prob参数 训练时一般设为0.6 ，测试时一定要设为1）
net=slim.dropout(net,keep_prob=keep_prob,is_training=is_training,scope='dropout6')

block7，block8和block6类似

==

end_points是一个字典，存储了 block2, block3, block4, block5的特征图，

做为目标检测使用（可以构建特征金字塔，FasterRCNN/East/PseNet均用到过）。如网络任务是分类任务得到最后的net就可以啦。

完整的代码如下：

#!/usr/bin/env python 
# -*- coding: utf-8 -*-
# @time: 2020/6/19 15:39


import tensorflow as tf
from tensorflow.contrib import slim
import numpy as np

def vgg16(net,
          num_classes=1000,
          is_training=True,
          spatial_squeeze=False,
          scope='vgg16'):
    """
    Note：所有完全连接的层都已转换为conv2d层。
    若要在分类模式下使用，请将输入大小调整为224x224。

    Args:
    :param net:  输入图片 [batch_size , h ,w ,3]
    :param num_classes: 分类的种类数
    :param is_training: 训练模式或测试模型
    :param spatial_squeeze:  是否删除不需要的维度 来压缩空间
    :param scope:
    :return:
    """
    keep_prob=0.6 if is_training else 1.0 # 训练时为0.6  测试时为1
    with tf.name_scope(scope) as sc:
        #block1
        # 特征层 存为字典
        end_points = {} # 作为目标检测的特征层使用
        # x=slim.conv2d(x,num_outputs=64,kernel_size=[3,3],stride=1,padding='SAME',scope='conv1_1') # 默认有relu  stride=1,padding='SAME'
        net = slim.conv2d(x, num_outputs=64, kernel_size=[3, 3], scope ='conv1_1')
        net=slim.conv2d(net, num_outputs=64, kernel_size=[3, 3], scope='conv1_2')
        # net=slim.max_pool2d(net,kernel_size=[2,2],stride=2，padding='VALID',scope='pool1')  # 默认padding='VALID',stride=2
        net = slim.max_pool2d(net,kernel_size=[2, 2],stride=2, scope='pool1') # h,w 减半 #  [1,112,112,64]
        # print('block1',net) #  [1,112,112,64]
        end_points['C1']=net

        #block2
        net=slim.conv2d(net, num_outputs=128, kernel_size=[2, 2], scope='conv_1') # [1,112,112,128]
        net = slim.conv2d(net, num_outputs=128, kernel_size=[2, 2], scope='conv_2')  # [1,112,112,128]
        net = slim.max_pool2d(net, [2, 2],stride=2,scope='pool2')  # [1,56,56,128]
        end_points['C2'] = net

        # #block3
        net = slim.conv2d(net, num_outputs=256, kernel_size=[2, 2], scope='conv3_1') # [1,56,56,256]
        net = slim.conv2d(net, num_outputs=256, kernel_size=[2, 2], scope='conv3_2')
        net = slim.conv2d(net, num_outputs=256, kernel_size=[2, 2], scope='conv3_3')
        net = slim.max_pool2d(net, [2, 2],stride=2, scope='pool3')  # [1,28,28,256]
        end_points['C3'] = net
        #
        # #block4
        net = slim.conv2d(net, num_outputs=512, kernel_size=[2, 2], scope='conv4_1')  # [1,56,56,256]
        net = slim.conv2d(net, num_outputs=512, kernel_size=[2, 2], scope='conv4_2')
        net = slim.conv2d(net, num_outputs=512, kernel_size=[2, 2], scope='conv4_3')
        net = slim.max_pool2d(net, [2, 2], stride=2, scope='pool4')  # [1,28,28,256]
        end_points['C4'] = net

        #block5
        net = slim.conv2d(net, num_outputs=512, kernel_size=[2, 2], scope='conv5_1')  # [1,56,56,256]
        net = slim.conv2d(net, num_outputs=512, kernel_size=[2, 2], scope='conv5_2')
        net = slim.conv2d(net, num_outputs=512, kernel_size=[2, 2], scope='conv5_3')
        net = slim.max_pool2d(net, [2, 2], stride=2, scope='pool5')  # [1,28,28,256]
        end_points['C5'] = net

        #fc6
        # nets=slim.fully_connected(net,4096,scope='fc6') # 全连接的写法
        net=slim.conv2d(net,4096,[7,7],padding='VALID',scope='fc6') # （1，7，7，512） -> （1，1，1，4096）
        net=slim.dropout(net,keep_prob=keep_prob,is_training=is_training,scope='dropout6')

        # fc7
        net = slim.conv2d(net, 4096, [1, 1],scope='fc7')
        net = slim.dropout(net,keep_prob=keep_prob, is_training=is_training, scope='dropout7')

        # fc8
        net = slim.conv2d(net, num_classes, [1, 1], activation_fn=None,normalizer_fn=None,scope='fc8')

        return net,end_points

if __name__ == '__main__':
    imgs=np.ones((224,162240,3),dtype=np.float32)
    x=tf.placeholder(tf.float32, shape=[1, 224, 224, 3], name='input_images')
    net,end_points=vgg16(x,10)
    for key in end_points:
        print(key,end_points[key])
    # sess = tf.InteractiveSession()
    # sess.run(tf.global_variables_initializer())
    # net_= sess.run([net],feed_dict={x:[imgs]})
    #