图像分类篇-4：GoogleNet

目录

前言

 GoogLeNet网络详解

Inception结构

 辅助分类器

​编辑

使用pytorch搭建 GoogLeNet

model.py

train.py

predict.py 

注

---

前言

这个是按照B站up主的教程学习这方面知识的时候自己做的的笔记和总结，可能有点乱，主要是按照我自己的记录习惯

参考内容来自：

• up主的b站链接：霹雳吧啦Wz视频专辑-霹雳吧啦Wz视频合集-哔哩哔哩视频
• up主将代码和ppt都放在了github：https://github.com/WZMIAOMIAO
• up主的csdn博客：深度学习在图像处理中的应用（tensorflow2.4以及pytorch1.10实现）_太阳花的小绿豆的博客-CSDN博客_深度学习图像处理需要哪些软件

---

 GoogLeNet网络详解

---

Inception结构

---

 辅助分类器

---

使用pytorch搭建 GoogLeNet

项目目录如下：

|-GoogLeNet

                |-class_indices.json

                |-model.py

                |-predict.py

                |-train.py

model.py

import torch.nn as nn
import torch
import torch.nn.functional as F

# 定义4：GoogLeNet网络
class GoogLeNet(nn.Module):  # 继承父类nn.Module
    def __init__(self, num_classes=1000, aux_logits=True, init_weights=False):  # aux_logits=True是否使用辅助分类器
        super(GoogLeNet, self).__init__()
        self.aux_logits = aux_logits # 将是否使用辅助分类器的布尔变量传入类当中

        self.conv1 = BasicConv2d(3, 64, kernel_size=7, stride=2, padding=3)  # 卷积核个数64
        # 这里为了将特征矩阵缩减为原来的一半，所以padding是3
        # (224-7+2*3)/2 + 1 = 112.5在pytorch中默认向下取整，就是112
        self.maxpool1 = nn.MaxPool2d(3, stride=2, ceil_mode=True) # ceil_mode为True，向上取整

        self.conv2 = BasicConv2d(64, 64, kernel_size=1)
        self.conv3 = BasicConv2d(64, 192, kernel_size=3, padding=1)
        self.maxpool2 = nn.MaxPool2d(3, stride=2, ceil_mode=True)

        self.inception3a = Inception(192, 64, 96, 128, 16, 32, 32)
        self.inception3b = Inception(256, 128, 128, 192, 32, 96, 64)
        self.maxpool3 = nn.MaxPool2d(3, stride=2, ceil_mode=True)

        self.inception4a = Inception(480, 192, 96, 208, 16, 48, 64)
        self.inception4b = Inception(512, 160, 112, 224, 24, 64, 64)
        self.inception4c = Inception(512, 128, 128, 256, 24, 64, 64)
        self.inception4d = Inception(512, 112, 144, 288, 32, 64, 64)
        self.inception4e = Inception(528, 256, 160, 320, 32, 128, 128)
        self.maxpool4 = nn.MaxPool2d(3, stride=2, ceil_mode=True)

        self.inception5a = Inception(832, 256, 160, 320, 32, 128, 128)
        self.inception5b = Inception(83