而一个VGG块与之类似，由一系列卷积层组成，后面再加上用于空间下采样的最大汇聚层。在最初的VGG论文中，作者使用了带有3×3卷积核、填充为1（保持高度和宽度）的卷积层，和带有2×2汇聚窗口、步幅为2（每个块后的分辨率减半）的最大汇聚层。在下面的代码中，我们定义了一个名为vgg_block的函数来实现一个VGG块。

vgg-11和vgg-16和vgg-19的区别：

主要区别在于网络深度不同。VGG11有11层，其中包括8个卷积层和3个全连接层；（因此，VGG-11网络中使用了5个VGG块。）VGG16有16层，其中包括13个卷积层和3个全连接层；VGG19有19层，其中包括16个卷积层和3个全连接层。两个模型的卷积层都是采用3x3的卷积核，但是VGG19比VGG16多了几个卷积层，因此在一些图像分类任务上，VGG19的表现可能略好于VGG16略好于VGG11。

该函数有三个参数，分别对应于卷积层的数量num_convs、输入通道的数量in_channels 和输出通道的数量out_channels.


import torch
from torch import nn
from d2l import torch as d2l
import time
#块
def vgg_block(num_convs, in_channels, out_channels):
    layers = []
    for _ in range(num_convs):
        layers.append(nn.Conv2d(in_channels, out_channels,
                                kernel_size=3, padding=1))
        layers.append(nn.ReLU())
        in_channels = out_channels
    layers.append(nn.MaxPool2d(kernel_size=2,stride=2))
    return nn.Sequential(*layers)

VGG网络

与AlexNet、LeNet一样，VGG网络可以分为两部分：第一部分主要由卷积层和汇聚层组成，第二部分由全连接层组成。如图1中所示。

VGG网络输入的图片要求是224x224像素大小的RGB图像，AlexNet输入的图片要求是227x227像素大小的RGB图像。这两个网络的输入大小都是经过预处理的，包括归一化和减去均值操作。（每个block都进行2*2最大汇聚层，让高宽减半）

图1 从AlexNet到VGG，它们本质上都是块设计。

VGG神经网络连接图1 的几个VGG块（在vgg_block函数中定义）。其中有超参数变量conv_arch。该变量指定了每个VGG块里卷积层个数和输出通道数。全连接模块则与AlexNet中的相同。conv_arch中的每个元素都表示一个VGG块的结构，而不是每个VGG块内卷积层个数和输出通道数之和。例如，如果conv_arch = [(1, 64), (2, 128), (3, 256), (3, 512), (3, 512)]，这意味着网络由5个VGG块组成，每个VGG块内的卷积层个数和输出通道数分别为：(1, 64), (2, 128), (3, 256), (3, 512), (3, 512)。

conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))

下面的代码实现了VGG-11。可以通过在conv_arch上执行for循环来简单实现。


#这个是卷积块，不是卷积层！
# 该变量指定了每个VGG块里卷积层个数和输出通道数。全连接模块则与AlexNet中的相同。
conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))#一共有五块，每一块都会把高宽减半，因为有maxpooling
                        #每次空间被压缩一半的时候，通道数就会翻一倍，空间变小，但是通道数变多
 
def vgg(conv_arch):
    conv_blks = []
    in_channels = 1
    # 卷积层部分
    for (num_convs, out_channels) in conv_arch:
        #num_convs是卷积层的数量
        conv_blks.append(vgg_block(num_convs, in_channels, out_channels))
        in_channels = out_channels
 
    return nn.Sequential(
        *conv_blks, nn.Flatten(),
        # 全连接层部分
        nn.Linear(out_channels * 7 * 7, 4096), nn.ReLU(), nn.Dropout(0.5),#为什么只能用5块？，因为224除以5变成了7。质数除不了2，所以就5块
        nn.Linear(4096, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 10))
 
#上面是设计网络，这个是生成网络，对,很大差别
net = vgg(conv_arch)
net

接下来，我们将构建一个高度和宽度为224的单通道数据样本，以观察每个层输出的形状。


# 测试x...................
X = torch.randn(size=(1, 1, 224, 224))
#把数据写到搭好的模型里面，直到最后一层网络生成的数据
for blk in net:
    X = blk(X)
    print(blk.__class__.__name__,'output shape:\t',X.shape)

输出：

正如从代码中所看到的，我们在每个块的高度和宽度减半，最终高度和宽度都为7。最后再展平表示，送入全连接层处理。

三：训练模型

由于VGG-11比AlexNet计算量更大，因此我们构建了一个通道数较少的网络，足够用于训练Fashion-MNIST数据集。除了使用略高的学习率外，模型训练过程与AlexNet类似。

这次为了减小计算，把数据除了4。

训练


# 然后做测试，把数据放进搭好的模型里然后训练后做预测
# Fashion-MNIST图像的分辨率（28*28像素）低于ImageNet图像。 为了解决这个问题，我们将它们增加到224*224（通常来讲这不是一个明智的做法，但我们在这里这样做是为了有效使用AlexNet架构）。
start_time = time.time()
print(start_time)
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
print(d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu()))
end_time = time.time()
print("训练一共使用了{:.2f}分钟".format((end_time-start_time)/60))
d2l.plt.show()

四：将vgg的结果与AlexNet比较：

AlexNet：

VGG-16：

可以看出Vgg仅仅是11的版本而且通道数减小了4倍，其训练的时间依然很长。不过效果要比alexnet好.在ILSVRC2012比赛中，VGG11取得了7.3%的top-5 error rate，而AlexNet的top-5 error rate是15.3%。这表明VGG11的性能要比AlexNet好得多。此外，VGG11在其他任务上的表现也非常好，如在CIFAR-10数据集上的分类任务中，VGG11的准确率达到了92.16%，而AlexNet的准确率只有84.7%。

所有项目代码+UI界面

视频，笔记和代码,以及注释都已经上传网盘，放在主页置顶文章

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家自动化/article/detail/957615