PyTorch目标检测（三）

VGGNet

VGGNet共有六个版本，最常用的VGG16，其采用五组卷积，三个全连接层，最后采用softmax进行分类。VGG利用池化层达到将特征图尺寸缩小一倍，通道数增加一倍的目的。

VGG采用33的卷积核，但是两个卷积层叠加可以使感受野达到55，同时两层卷积拥有两个激活函数也增加了非线性度。

PyTorch VGG16经典网络架构

from torch import nn
import torch
class VGG(nn.Module):
    def __init__(self, num_classes=1000):
        super(VGG, self).__init__()
        layers = []
        in_dim = 3
        out_dim = 64
        #循环构造卷积层，一共有13个卷积层
        for i in range(13):
            layers += [nn.Conv2d(in_dim, out_dim, 3, 1, 1), nn.ReLU(inplace=True)]
            in_dim = out_dim
            #在第2，4，7，10，13层卷积层后增加池化层
            if i==1 or i==3 or i==6 or i==9 or i==12:
                layers += [nn.MaxPool2d(2, 2)]
                #第10个卷积前后通道数保持一致，其余加倍
                if i!=9:
                    out_dim*=2
        self.features = nn.Sequential(*layers)
        #三个全连接层，包括ReLU和Dropout层
        self.classifier = nn.Sequential(nn.Linear(512*7*7, 4096),