VGG16学习笔记

最新推荐文章于 2024-01-04 14:40:39 发布
最新推荐文章于 2024-01-04 14:40:39 发布
阅读量1.4k 收藏 4
点赞数 1
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/weixin_45739060/article/details/108218942
版权

VGG的模型： 

2.VGG16使用的损失函数：categorical crossentropy

优化器：Adam(lr=1e-3)

batch size=16

取90%进行训练，10%进行估计

3.版本： python 3.6.5  cuda 10.0.130_411.31

4.用时2天半，数据集为25000张图片，猫狗各一半

5.代码来源：https://blog.csdn.net/weixin_44791964/article/details/102779878

我自己训练出来的结果：链接：https://pan.baidu.com/s/1PjP3LvfwSWW-WN4aDgU3bA 
提取码：z7i8

yjjjjjy呀
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
VGG笔记.pdf
07-11
这是VGG网络架构论文的中文学习笔记。首先我们来对VGG网络架构进行一个概括： 1. 小卷积核：相比AlexNet，将卷积核全部替换为3*3，极少用了1*1； 2. 小池化层：相比AlexNe，3*3的池化核全部换为2*2的池化核； 3. 层数更深：VGG16为例，3->64->128->256->512，卷积核专注于扩大通道数，3个通道的特征经过经过卷积层的提取扩散到了512个通道； 4. 特征图更窄：VGG16为例，224->112-56->28->14->7，池化层专注于缩小宽和高； 5. 全连接转1x1卷积：测试阶段可以接收任意宽或高为的输入。
vgg16利用相似性损失函数进行猫狗图像分类
weixin_42804612的博客
08-10 1081
vgg16利用相似性损失函数进行猫狗图像分类
基于VGG的感知损失函数
Fairy_v的博客
04-01 7865
损失函数（loss function）是用来估量模型的预测值f(x)与真实值Y的不一致程度，损失函数越小，一般就代表模型的鲁棒性越好，正是损失函数指导了模型的学习。 感知损失perceptual loss（VGG损失） 对于图像风格化，图像超分辨率重建等任务来说，早期都使用了图像像素空间的L2 loss，但是L2 loss与人眼感知的图像质量并不匹配，恢复出来的图像往往细节表现不好。 现在的研究中，L2 loss逐步被人眼感知loss所取代。人眼感知loss也被称为perceptual loss（感知损失）
pytorch实现VGG网络
08-16
里面有添加一些注解
vgg16利用相似性损失函数图像分类预训练模型（cpu）
08-10
vgg16利用相似性损失函数预训练模型（cpu）
损失函数——感知损失（Perceptual Loss）
weixin_50752408的博客
03-15 1万+
例如，VGG-19网络中的卷积层可以提取图像的纹理和结构信息，而网络的全连接层可以提取图像的语义信息。感知损失的计算方式通常是将输入图像和目标图像分别通过预训练的神经网络，得到它们在网络中的特征表示。与传统的均方误差损失函数（Mean Square Error，MSE）相比，感知损失更注重图像的感知质量，更符合人眼对图像质量的感受。其中，x 是输入图像，y 是目标图像，Fi​(x) 和 Fi​(y) 分别表示它们在预训练的神经网络中的第 i 层的特征表示，N 是特征层数。然后我们创建了损失函数。
Pytorch入门（四）使用VGG16网络训练CIFAR10数据集
一个非常Cool的人
06-06 3967
本文使用Pytorch+VGG16+CIFAR10数据集完成图像分类
VGG16详细原理（含tensorflow版源码）
Code_and516的博客
03-28 4342
VGG16详细原理（含tensorflow版源码）
CV GAN模型常用的一些东西
m0_63642362的博客
04-29 620
转自AI Studio，原文链接：CV GAN模型常用的一些东西，面向新人 - 飞桨AI Studio 也算一次经验的总结分享了，我会把我的一些思考和trick在本章分享，希望大家有所收获，若有错误请指出啊。 1. 使用VGG的感知损失（perceptual loss） 这个损失在风格迁移中使用很多，大家如果刚开始做风格迁移任务一般也很难拥有属于自己的感知损失，这里我就替大家写好了，拿走不谢 这里我举一个例子谷歌的实时风格迁移算法，确定不想进来看看？我只能说精彩简陋版复现在这个项目中我用了。
VGG16—perceptual loss in keras感知损失【Keras】
m0_37477175的博客
08-07 7459
正常的损失加上感知损失，肯定需要自定义合适的loss function。在keras中，自定义loss function : 先考虑keras中的loss，如下： def mean_squared_error(y_true, y_pred): return K.mean(K.square(y_pred - y_true), axis=-1) 如果要定义自己的感知损失： def model...
目标检测，VGG论文
12-19
目标检测，VGG论文
基于VGG16深度学习网络目标识别matlab仿真,输出识别混淆矩阵+代码仿真操作视频
07-05
1.领域：matlab，VGG16深度学习网络 2.内容：基于VGG16深度学习网络目标识别matlab仿真,输出识别混淆矩阵+代码仿真操作视频 3.用处：用于基于VGG16深度学习网络目标识别算法编程学习 4.指向人群：本硕博等教研学习使用 5.运行注意事项： 使用matlab2021a或者更高版本测试，运行里面的Runme_.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。
深度学习入门笔记（二十）：经典神经网络（LeNet-5、AlexNet和VGGNet）
01-20
专栏——深度学习入门笔记 声明 1）该文章整理自网上的大牛和...文章目录专栏——深度学习入门笔记声明深度学习入门笔记（二十）：经典神经网络（LeNet-5、AlexNet和VGGNet）1、为什么要进行实例探究？2、经典网络1）
DLPapers:深度学习笔记
05-24
深层学习该存储库包含有关各种深度学习论文的笔记为了减少冗余，代码已移至另一个 注意：Pytorch中的代码（有些在fastai中，但很快将移植到纯pytorch中）指数MathBehind文件夹这是尝试整理和理解深度学习背后的数学...
机器学习&深度学习资料笔记&基本算法实现&资源整理.zip
最新发布
03-03
机器学习&深度学习资料笔记&基本算法实现&资源整理.zip 0.不调库系列 No free lunch. 线性回归 - logistic回归 - 感知机 - SVM(SMO) - 神经网络 决策树 - Adaboost kNN - 朴素贝叶斯 EM - HMM - 条件随机场 kMeans ...
CIFAR10-VGG19-Tensorflow
05-16
在Tensorflow中使用VGG19在CIFAR-10上转移学习 该存储库显示了转移学习的简单步骤。 特别是，选择了CIFAR-10数据集，并使用VGG19模型进行训练。 该模型是经过预训练的，并从借用。 我可以获得的最佳准确性约为91％。...
VGGNet 阅读理解 - Very Deep Convolutional Networks for Large-Scale Image Recognition
热门推荐
长风破浪会有时，直挂云帆济沧海
03-19 5万+
论文理解 - VGGNet - Very Deep Convolutional Networks for Large-Scale Image Recognition [VGG-Paper] [原文地址 - Very deep convolutional networks for large-scale image recognition] 一篇对 VGGNet 理解比较详细的博客，很长...
(深度学习记录)第P7周：VGG-16算法实现咖啡豆识别
weixin_55952636的博客
01-04 913
对于预测模型参数除了调整学习率外，还可以对epochs数进行调整来提升准确率。本模型在epoch为35时的训练准确率已经达到100%，往后的准确率反而有所降低。📌如果将优化器换成 SGD 会发生什么呢？请自行探索接下来发生的诡异事件的原因。训练营往期文章中有详细的介绍。
python画损失函数曲线_从一条曲线谈损失函数优化方法
weixin_31310913的博客
02-04 3407
损失函数也叫目标函数，他是衡量预测值和实际值的相似程度的指标。我们希望预测值和真实值尽量接近，就需要估计一系列参数来拟合，这个参数集使得误差越小就说明这个算法还不错。一个损失函数有可能存在多个局部最小点，我们就需要至少找到在局部地区的最小值。找到生成最小值的一组参数的算法被称为优化算法。我们发现随着算法复杂度的增加，则算法倾向于更高效地逼近最小值。我们将在这篇文章中讨论以下算法：随机梯度下降法(批...
vgg16代码实现tensorflow2
09-05
要实现VGG16的代码，可以参考引用中的笔记本文件VGG16 Train.ipynb。该笔记本文件是用于培训和测试VGG16的实现的。您可以在其中找到有关VGGNet的进一步说明和代码注释。此外，如果您想简单实现VGGNet并使用TensorFlow，您还可以参考引用中提到的《Tensorflow实战》和《Tensorflow 实战Google深度学习框架》这两本书。在这些资源中，您可以学习有关TensorFlow的基础知识，并了解如何从数据集制作到训练和测试VGG16模型的过程。同时，根据引用中的描述，VGG16是VGGNet的一种配置，具体的实现代码可以在上述资源中找到。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [VGG16-Tensorflow:VGG16的Tensorflow实现](https://download.csdn.net/download/weixin_42139871/18333565)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *2* [VGG16_TF:简单实现VGG16](https://download.csdn.net/download/weixin_42116705/18214475)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] - *3* [VGG16—tensorflow2.0实战(cifar10数据集)](https://blog.csdn.net/weixin_44690935/article/details/105871109)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 33.333333333333336%"] [ .reference_list ]

“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