pytorch复现网络AlexNet和VGG

最新推荐文章于 2023-03-03 19:43:46 发布
最新推荐文章于 2023-03-03 19:43:46 发布
阅读量735 收藏 1
点赞数
分类专栏： 计算机视觉 文章标签： 神经网络
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/syysyf99/article/details/100130076
版权

关于AlexNet很重要的链接1
关于AlexNet很重要的链接2

下图是AlexNet的网络结构

下面两个网络输入图片不一致，一个是224x224，一个是227x227

注意，第一幅图可能是VGG16的结构图（不确定中）

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

下面的过程是该网络配置结构中各个层的data flow diagram（训练阶段）

conv1阶段在这里插入图片描述
  1. 第一层输入数据为原始的227x227x3图像，图像被11x11x3的卷积核进行卷积，卷积核对原始图像的每次卷积都生成一个新的像素，卷积核沿着原始图像的x轴方向和y轴方向两个方向移动，移动步长是4个像素。
  2. 行和列的55x55个像素形成对原始图像卷积之后的像素层，共有96个卷积核，会生成55x55x96个卷积后的像素层，
  3. 反向传播时，每个卷积核对应一个偏差，即第一层的96个卷积核对应上层输入的96个偏差值
conv2阶段

在这里插入图片描述
？？？？？？？？？？？？？？？？上面第二个方框中的计算式子27-5+2x2,式子中2x2是因为group x padding？？？？？？？？？？？？？？？？？？？？？？？？？？？？？？࿱

最低0.47元/天 解锁文章
周月亮
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
使用小卷积核3×3的原因
szy525525的博客
02-14 8512
原文：https://blog.csdn.net/qq_40027052/article/details/79015827 1.更多的激活函数、更丰富的特征，更强的辨别能力。卷积后都伴有激活函数，更多的卷积核的使用可使决策函数更加具有辨别能力，此外就卷积本身的作用而言，3x3比7x7就足以捕获特征的变化：3x3的9个格子，最中间的格子是一个感受野中心，可以捕获上下左右以及斜对角的特征变化。主要在于...
Pytorch intermediate(二) ResNet
最新发布
青山渺渺
09-11 765
layer2：输入通道：16，输出通道：32，padding = 0， stride = 2。由于输入不等于输出通道数，增加了一层卷积层，并且带有对应的stride。可以看到在残差块中有一个判断，就是判断输入数据是否被向下采样，也就是形状是否变化，如果变化就进行上述处理。layer1：输入通道：16，输出通道：16，padding = 0，stride = 0。conv3x3：将输入数据进行一次卷积，将数据转换成为，残差块需要的shape大小。layer3：输入通道：32，输出通道：64，其余同上。
NCNN(一): conv3x3s1_sse 常规矩阵乘法代码解析
xiaohe004的博客
06-10 2171
NCNN conv3*3 native static void conv3x3s1_sse(const Mat& bottom_blob, Mat& top_blob, const Mat& _kernel, const Mat& _bias, const Option& opt) { int w = bottom_blob.w; int inch = bottom_blob.c; int outw = top_blob.w;
pytorch中padding=kernel_size//2
qq_36249824的博客
06-28 5915
pytorch中padding=kernel_size//2到底是实现神魔形式的padding？padding=（kernel_size-1）/2 若kernel_size是7*7，5*5，3*3，1*1常见的 则padding是 3，2 ，1 ，0 nn.Conv2d的padding是在卷积之前补0，如果愿意的话，可以通过使用torch.nn.Functional.pad来补非0的内容。 四周都补！如果pad输入是一个tuple的话，则第一个参数表示上，下底的padding，第2个参数表示宽..
Pytorch总结十一之 神经网络模型：LeNet、AlexNet、VGG
yohnyang的博客
10-12 1087
Pytorch总结十之 神经网络模型：LeNet、AlexNet、VGG
Pytorch对CIFAR10的图像分类全套代码（包含多个模型）
03-23
模型有LeNet，AlexNet，VGG，GoogLeNet，ResNet，DenseNet 在资源中有全部代码的学习资料，并且包括所有的权重，代码所有都可运行，可执行，可复现代码的结果 可以利用所有的模型权重进行迁移学习 除此之外，还有...
动手学深度学习(PyTorch实现)(八)–AlexNet模型
01-06
AlexNet的PyTorch实现2.1 导入相应的包2.2 构建AlexNet网络2.3 加载数据集2.4 训练网络 1. AlexNet模型介绍 由于受到计算机性能的影响，虽然LeNet在图像分类中取得了较好的成绩，但是并没有引起很多的关注。 直到...
常见分类网络pytorch版本.zip
07-01
这些网络在PyTorch中的实现，使开发者能够快速理解和复现这些经典模型，进行模型比较和微调。对于初学者，这是一个很好的学习资源，可以深入理解深度学习中网络架构的设计原理；对于研究者，这些代码可以作为基础，...
深度学习常用网络模型pytorch版本.zip
02-08
深度学习是一种人工智能领域的核心技术...通过PyTorch，我们可以轻松地调整参数，复现这些经典模型的实验结果，也可以在此基础上创新，开发新的网络架构。对于深度学习实践者来说，这个代码合集无疑是一份宝贵的资源。
深度学习 pytorch从图像分类→神经网络学习深入→目标检测→语义分割,简易版本学习推荐
08-07
最后，通过复现经典的网络结构如AlexNet、VGG和ResNet，加深对图像分类任务的理解，同时学习BN层、迁移学习等高级概念。 在实际学习过程中，遇到问题和挑战是正常的。重要的是要有积极的态度，不断思考和提出改进...
PyTorch深度学习——搭建神经网络小实验
m0_43425029的博客
07-11 235
以下图片的CIFAR10神经网络模型框架来搭建神经网络： 由以下公式，解得padding=2 具体代码： import torch from torch import nn from torch.nn import Conv2d, MaxPool2d, Flatten, Linear, Sequential from torch.utils.tensorboard import SummaryWriter class Siri(nn.Module): def __init__(self):
Alexnet网络与Vgg网络
weixin_44428467的博客
09-18 1219
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Ma...
26- AlexNet和VGG模型分析 (TensorFlow系列) (深度学习)
March_A的博客
03-03 751
VGG在2014年由牛津大学著名研究组VGGGroup提出，斩获该年ImageNet竞 中LocalizationTask定位 任务第一名和ClassificationTask分类任务第二名。网络中的亮点通过堆叠多个3x3的卷积核来替代大尺度卷积核（减少所需参数）论文中提到，可以通过堆叠两个3x3的卷积核替代5x5的卷积核堆叠三个3x3的卷积核替代7x7的卷积核。
alexnet和vgg网络的一些个人看法
weixin_42328596的博客
10-27 1万+
从2012年之后，alexnet网络的横空出世，带来了深度学习的春天，深度学习在图像，语音等领域大放异彩，几乎碾压其它传统机器学习算法，之后的vgg网络更是被用于计算机视觉的各个任务中，比如本人研究的reid方向，很多方法都是基于vgg网络来设计算法，下面就简单介绍一下这两个网络的优秀之处。 1，alexnet lenet是最早用于数字识别的cnn网络，alexnet也主要是对于此网络的改进，...
深度学习004：AlexNet网络研究，并用pytorch框架复现网络
weixin_33877885的博客
06-26 701
背景介绍 2012年，Hinton的学生Alex Krizhevsky提出了深度卷积神经网络模型AlexNet。 第一个典型的CNN是LeNet5网络结构，但是第一个引起大家注意的网络却是AlexNet，原因AlexNet以显著的优势赢得了2012年的ILSVRC比赛（图像1000分类），top5错误率降低至16.4%。相比较第二名26.2%的成绩，错误率有了巨大的提升，给学术界和工业界带来...
conv3x3s1_winograd64_transform_kernel_neon5的非NEON实现，
qingsong1001的专栏
01-02 781
conv3x3s1_winograd64_transform_kernel_neon5的非NEON实现 这里面的变换的理论依据，我还是没有搞清楚，先闷着头继续看了，希望高人能指点一二，谢谢！ 函数:void conv3x3s1_winograd64_transform_kernel_neon5(const Mat& kernel, Mat& kernel_tm, int inc...
常见的卷积神经网络
刘唐的博客
12-26 6569
LeNet开山之作！ 一共七层。2层卷积、2层池化、3层全连接class Lenet(nn.Module): def __init__(self): super(Lenet, self).__init__() layer1 = nn.Sequential() layer1.add_module('conv1', nn.Conv2d(1, 6,
AlexNet与VGG
weixin_41940752的博客
10-30 712
AlexNet AlexNet是神经网络之父Hinton的学生Alex Krizhevsky开发完成，总共有8层，其中有5个卷积层，3个全链层，前5层其实不完全是卷积层，有些层还加入了池化层，并对数据进行标准化处理。Alex在他的论文中写到，他在处理图片的时候使用了两个GPU进行计算，在卷积过程中他做了分组的处理。 第一层 第一层包含了卷积层、标准化层和池化层。在Tensorflow中，搭建...
卷积神经网络常见架构AlexNet、ZFNet、VGGNet、GoogleNet和ResNet模型
热门推荐
陶将的博客
06-22 4万+
目前的常见的卷积网络结构有AlexNet、ZF Net、VGGNet、Inception、ResNet等等，接下来我们对这些架构一一详解。
使用cpu版pytorch可以实现alexnet、vgg、resnet网络吗
07-16
是的，使用CPU版的PyTorch可以实现AlexNet、VGG和ResNet等常见的深度学习网络。这些网络在PyTorch中都有预定义的模型，你可以直接使用它们。在CPU上运行时，PyTorch默认会使用CPU进行计算，所以你不需要做额外的配置...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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
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