上期我们分享了LeNet与AlexNet的网络结构,今天我们来利用Tensorflow 2复现VGG16与VGG19的网络结构。
VGG网络结构
VGG16相比AlexNet的一个改进是采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核(11x11,7x7,5x5)。对于给定的感受野(与输出有关的输入图片的局部大小),采用堆积的小卷积核是优于采用大的卷积核,因为多层非线性层可以增加网络深度来保证学习更复杂的模式,而且代价还比较小(参数更少)。
-
VGG16包含了16个隐藏层(13个卷积层和3个全连接层),如上图中的D列所示。
-
VGG19包含了19个隐藏层(16个卷积层和3个全连接层),如上图中的E列所示。
VGG的网络结构看起来很简洁,但它较为耗计算资源。下面我们分别来实现VGG16与VGG19。
VGG16