[VGG16]——网络结构介绍及搭建(PyTorch)

最新推荐文章于 2025-04-30 15:02:41 发布

Star星屹程序设计

最新推荐文章于 2025-04-30 15:02:41 发布

阅读量2w

点赞数 16

分类专栏：机器学习&深度学习文章标签： pytorch 深度学习人工智能

本文链接：https://blog.csdn.net/weixin_42067873/article/details/121143902

版权

机器学习&深度学习专栏收录该内容

47 篇文章

订阅专栏

一、VGG16的结构层次

VGG16总共有16层，13个卷积层和3个全连接层，第一次经过64个卷积核的两次卷积后，采用一次pooling，第二次经过两次128个卷积核卷积后，采用pooling；再经过3次256个卷积核卷积后。采用pooling，再重复两次三个512个卷积核卷积后，再pooling，最后经过三次全连接。

1、附上官方的vgg16网络结构图:

conv3-64的全称就是convolution kernel_size=3, the number of kernel=64，也就是说，这一层是卷积层，卷积核尺寸是3x3xn(n代表channels，是输入该层图像数据的通道数)，该卷积层有64个卷积核实施卷积操作。
FC4096全称是Fully Connected 4096，是输出层连接4096个神经元的全连接层。
maxpool就是最大池化操作。最大值池化的窗口尺寸是2×2，步长stride=2

在这里插入图片描述

2、 VGG模型所需的内存容量：

二、模型搭建

VGG16实现，基于CIFAR-10数据集
CIFAR-10：该数据集共有60000张彩色图像，这些图像是32*32，分为10个类，每类6000张图，50000 training images and 10000 test images.
CIFAR-10：CIFAR-10 and CIFAR-100 datasets (toronto.edu)

1、数据加载

#加载数据
transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))])
#训练集
trainset = torchvision.datasets.CIFAR10(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=100, shuffle=True)
#测试集
testset = torchvision.datasets.CIFAR10(root='./data', train=False, download=True, transform=transform)
testloader = torch.utils.data.DataLoader(testset, batch_size=100, shuffle=False)
classes = ('plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck')

2、VGG16网络实现

class Vgg16_net(nn.Module):
    def __init__(self):
        super(Vgg16_net, self).__init__()

        self.layer1=nn.Sequential(
            nn.Conv2d(in_channels=3,out_channels=64,kernel_size=3,stride=1,padding=1), #(32-3+2)/1+1=32   32*32*64
            nn.BatchNorm2d(64),
            #inplace-选择是否进行覆盖运算
            #意思是是否将计算得到的值覆盖之前的值，比如
            nn.ReLU(inplace=True),
            #意思就是对从上层网络Conv2d中传递下来的tensor直接进行修改，
            #这样能够节省运算内存，不用多存储其他变量

            nn.Conv2d(in_channels=64,out_channels=64,kernel_size=3,stride=1,padding=1), #(32-3+2)/1+1=32    32*32*64
            #Batch Normalization强行将数据拉回到均值为0，方差为1的正太分布上，
            # 一方面使得数据分布一致，另一方面避免梯度消失。
            nn.BatchNorm2d(64),
            nn.ReLU(inplace=True),

            nn.MaxPool2d(kernel_size=2,stride=2)   #(32-2)/2+1=16         16*16*64
        )


        self.layer2=nn.Sequential(
            nn.Conv2d(in_channels=64,out_channels=128,kernel_size=3,stride=1,padding=1),  #(16-3+2)/1+1=16  16*16*128
            nn.BatchNorm2d(128),
            nn.ReLU(inplace=True),

            nn.Conv2d(in_channels=128,out_channels=128,kernel_size=3,stride=1,padding=1), #(16-3+2)/1+1=16   16*16*128
            nn.BatchNorm2d(128),
            nn.ReLU(inplace=True),

            nn.MaxPool2d(2,2)    #(16-2)/2+1=8     8*8*128
        )

        self.layer3=nn.Sequential(
            nn.Conv2d(in_channels=128,out_channels=256,kernel_size=3,stride=1,padding=1),  #(8-3+2)/1+1=8   8*8*256
            nn.BatchNorm2d(256),
            nn.ReLU(inplace=True),


            nn.Conv2d(in_channels=256,out_channels=256,kernel_size=3,stride=1,padding=1),  #(8-3+2)/1+1=8   8*8*256
            nn.BatchNorm2d(256),
            nn.ReLU(inplace=True),

            nn.Conv2d(in_channels=256,out_channels=256,kernel_size=3,stride=1,padding=1),  #(8-3+2)/1+1=8   8*8*256
            nn.BatchNorm2d(256),
            nn.ReLU(inplace=True),

            nn.MaxPool2d(2,2)     #(8-2)/2+1=4      4*4*256
        )

        self.layer4=nn.Sequential(
            nn.Conv2d(in_channels=256,out_channels=512,kernel_size=3,stride=1,padding=1),  #(4-3+2)/1+1=4    4*4*512
            nn.BatchNorm2d(512),
            nn.ReLU(inplace=True),

            nn.Conv2d(in_channels=512,out_channels=512,kernel_size=3,stride=1,padding=1),   #(4-3+2)/1+1=4    4*4*512
            nn.BatchNorm2d(512),
            nn.ReLU(inplace=True),

            nn.Conv2d(in_channels=512,out_channels=512,kernel_size=3,stride=1,padding=1),   #(4-3+2)/1+1=4    4*4*512
            nn.BatchNorm2d(512),
            nn.ReLU(inplace=True),

            nn.MaxPool2d(2,2)    #(4-2)/2+1=2     2*2*512
        )

        self.layer5=nn.Sequential(
            nn.Conv2d(in_channels=512,out_channels=512,kernel_size=3,stride=1,padding=1),   #(2-3+2)/1+1=2    2*2*512
            nn.BatchNorm2d(512),
            nn.ReLU(inplace=True),

            nn.Conv2d(in_channels=512,out_channels=512,kernel_size=3,stride=1,padding=1),  #(2-3+2)/1+1=2     2*2*512
            nn.BatchNorm2d(512),
            nn.ReLU(inplace=True),

            nn.Conv2d(in_channels=512,out_channels=512,kernel_size=3,stride=1,padding=1),  #(2-3+2)/1+1=2      2*2*512
            nn.BatchNorm2d(512),
            nn.ReLU(inplace=True),

            nn.MaxPool2d(2,2)   #(2-2)/2+1=1      1*1*512
        )


        self.conv=nn.Sequential(
            self.layer1,
            self.layer2,
            self.layer3,
            self.layer4,
            self.layer5
        )

        self.fc=nn.Sequential(
            #y=xA^T+b  x是输入,A是权值,b是偏执,y是输出
            #nn.Liner(in_features,out_features,bias)
            #in_features:输入x的列数  输入数据:[batchsize,in_features]
            #out_freatures:线性变换后输出的y的列数,输出数据的大小是:[batchsize,out_features]
            #bias: bool  默认为True
            #线性变换不改变输入矩阵x的行数,仅改变列数
            nn.Linear(512,512),
            nn.ReLU(inplace=True),
            nn.Dropout(0.5),

            nn.Linear(512,256),
            nn.ReLU(inplace=True),
            nn.Dropout(0.5),

            nn.Linear(256,10)
        )


    def forward(self,x):
        x=self.conv(x)
        #这里-1表示一个不确定的数，就是你如果不确定你想要reshape成几行，但是你很肯定要reshape成512列
        # 那不确定的地方就可以写成-1

        #如果出现x.size(0)表示的是batchsize的值
        # x=x.view(x.size(0),-1)
        x = x.view(-1, 512)
        x=self.fc(x)
        return x

3、模型训练

mini-batch设置为100，每加载50个mini-batch，统计一次数据（5000张图）

'''
模型训练
'''
def net_train():
    epoch = 10  # 训练次数
    learning_rate = 1e-4  # 学习率

    net = Vgg16_net()
    criterion = nn.CrossEntropyLoss()
    optimizer = optim.Adam(net.parameters(), lr=learning_rate)

    print('start Training.......')
    print("print msg : 50 mini-batches per time")

    for epoch in range(epoch):  # 迭代
        running_loss = 0.0
        running_acc = 0.0
        print('*' * 25, 'epoch {}'.format(epoch + 1), '*' * 25, "——> ")
        for i, data in enumerate(trainloader, 0):
            inputs, labels = data
            #print("i: {}, inputs: {}, labels: {}".format(i, len(inputs), len(labels)))

            # 向前传播
            out = net(inputs)
            loss = criterion(out, labels)
            running_loss += loss.item() * labels.size(0)
            _, pred = torch.max(out, 1)  # 预测最大值所在的位置标签
            num_correct = (pred == labels).sum()

            # 初始化梯度
            optimizer.zero_grad()
            outputs = net(inputs)
            loss = criterion(outputs, labels)
            loss.backward()
            optimizer.step()

            # 打印loss 和 acc
            running_acc += num_correct.item()
            running_loss += loss.item()
            if i % 50 == 49:  # print every 5000 mini-batches
                print('[%d, %5d] loss: %.5f Acc：%.5f' %
                      (epoch + 1, i + 1, running_loss / 5000, running_acc / 5000))
                running_loss = 0.0
                running_acc = 0.0
    print('Finished Training')
    return net

4、模型测试

'''
模型测试
'''
def net_test(model):
    model.eval()  # 模型评估
    criterion = nn.CrossEntropyLoss()
    eval_loss = 0
    eval_acc = 0
    for data in testloader:  # 测试模型
        img, label = data
        out = model(img)
        loss = criterion(out, label)
        eval_loss += loss.item() * label.size(0)
        _, pred = torch.max(out, 1)
        num_correct = (pred == label).sum()
        eval_acc += num_correct.item()
    print('Test Loss: {:.6f}, Acc: {:.6f}'.format(eval_loss / (len(testset)), eval_acc / (len(testset))))