Keras实现VGG

 

VGG的网络结构如图，16和19的网络结构的差异是每个layer的卷积核的数目、卷积的次数不同。

代码如下，这里使用了mnist数据集训练，注意每次maxpooling后，图像的分辨率是减半的，所以4次pooling之后，分辨率就是1了，第五次maxpooling就会出错。所以maxpooling之后，可以zeropadding一下；或者直接取消第五次pooling。

# from keras.models import
from keras.layers import *
from keras.models import Input, load_model, Sequential
from keras import Model
from keras.datasets import mnist
from keras.utils import to_categorical
from keras.losses import categorical_crossentropy
import keras.optimizers
import numpy as np


def vgg(input_shape, num_cls, filters_num, conv_nums):
    # print(input_shape)
    inputs = Input(shape=input_shape)
    x = inputs
    for i in range(len(conv_nums)):
        for j in range(conv_nums[i]):
            x = Conv2D(filters=filters_num[i], kernel_size&#