脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → pytorch神经网络VGG块网络

Python深度学习pytorch神经网络块的网络之VGG

 更新时间：2021年10月11日 11:22:54   作者：Supre_yuan  
虽然AlexNet证明深层神经网络卓有成效，但它没有提供一个通用的模板来指导后续的研究人员设计新的网络。下面，我们将介绍一些常用于设计深层神经网络的启发式概念

与芯片设计中工程师从放置晶体管到逻辑元件再到逻辑块的过程类似，神经网络结构的设计也逐渐变得更加抽象。研究人员开始从单个神经元的角度思考问题，发展到整个层次，现在又转向模块，重复各层的模式。

使用块的想法首先出现在牛津大学的视觉几何组（visualgeometry Group）（VGG）的VGG网络中。通过使用循环和子程序，可以很容易地在任何现代深度学习框架的代码中实现这些重复的结构。

VGG块

经典卷积神经网络的基本组成部分是下面的这个序列：

1.带填充以保持分辨率的卷积层

2.非线性激活函数，如ReLU

3.汇聚层，如最大汇聚层

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 池化窗口、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VGG块。

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

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))
		leyers.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网络可以分为两个部分：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。如下图所示：

在这里插入图片描述

VGG神经网络连续连接上图的几个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块里的卷积层的个数和输出通道数。全连接模块则与AlexNet中的相同。

原始VGG网络中有5个卷积块，其中前两个块各有一个卷积层，后三个块包含两个卷积层。第一个模块有64个输出通道，每个后续模块将输出通道数量翻倍，直到数字达到512。由于该网络使用8个卷积层和3个全连接层，因此它通常被称为VGG-11。

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。

def vgg(conv_arch):
	conv_blks = []
	in_channels = 1
	# 卷积层部分
	for (num_convs, out_channels) in conv_arch:
		conv_blks.append(vgg_block(num_convs, in_cannels, 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),
		nn.Linear(4096, 4096), nn.ReLU(), nn.Dropout(0.5),
		nn.Linear(4096, 10)
	)

net = vgg(conv_arch)

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。

X = torch.randn(size=(1, 1, 224, 224))
for blk in net:
	X = blk(X)
	print(blk.__class__.__name__, 'output shape: \t', X.shape)

Sequential output shape: torch.Size([1, 64, 112, 112])
Sequential output shape: torch.Size([1, 128, 56, 56])
Sequential output shape: torch.Size([1, 256, 28, 28])
Sequential output shape: torch.Size([1, 512, 14, 14])
Sequential output shape: torch.Size([1, 512, 7, 7])
Flatten output shape: torch.Size([1, 25088])
Linear output shape: torch.Size([1, 4096])
ReLU output shape: torch.Size([1, 4096])
Dropout output shape: torch.Size([1, 4096])
Linear output shape: torch.Size([1, 4096])
ReLU output shape: torch.Size([1, 4096])
Dropout output shape: torch.Size([1, 4096])
Linear output shape: torch.Size([1, 10])

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。

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。

ratio = 4
small_conv_arch = [(pair[0], pair[1] // ratio) for pair in conv_arch]
net = vgg(small_conv_arch)

除了使用略高的学习率外，模型训练过程与AlexNet类似。

lr, num_epochs, batch_size = 0.05, 10, 128

train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

loss 0.175, train axx 0.935, test acc 0.917
2559.6 examples/sec on cuda:0

在这里插入图片描述

以上就是Python神经网络块的网络之VGG深度学习的详细内容，更多关于Python神经网络VGG块的网络的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

相关文章

  • python如何支持并发方法详解

    python如何支持并发方法详解

    这篇文章主要介绍了python如何支持并发,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2020-07-07
  • python爬虫beautiful soup的使用方式

    python爬虫beautiful soup的使用方式

    这篇文章主要介绍了python爬虫beautiful soup的使用方式，Beautiful Soup依据给定的解释器来解析html文档，其依据html中标签把html文档在内存中转化为类似于二叉树的数据结构，并通过实现的查询方法来查询二叉树以得到我们想要的爬虫数据
    2022-08-08
  • 基于python历史天气采集的分析

    基于python历史天气采集的分析

    今天小编就为大家分享一篇基于python历史天气采集的分析，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-02-02
  • python正则表达式抓取成语网站

    python正则表达式抓取成语网站

    做NLPproject时需要一个成语库，我需要的是纯成语，网上找的都是有详细解释的。于是自己写了一个爬成语的python程序
    2013-11-11
  • 理解Python中的绝对路径和相对路径

    理解Python中的绝对路径和相对路径

    本篇文章主要介绍了理解Python中的绝对路劲和相对路径 ，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧
    2017-08-08
  • 利用Python实现自定义连点器

    利用Python实现自定义连点器

    这篇文章主要介绍了如何利用Python实现自定义连点器,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
    2022-08-08
  • python爬虫泛滥的解决方法详解

    python爬虫泛滥的解决方法详解

    在本篇文章里小编给大家整理了关于python爬虫泛滥的解决方法详解内容，需要的朋友们可以学习参考下。
    2020-11-11
  • python查询mysql,返回json的实例

    python查询mysql,返回json的实例

    下面小编就为大家分享一篇python查询mysql,返回json的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2018-03-03
  • Python调用易语言动态链接库实现验证码功能

    Python调用易语言动态链接库实现验证码功能

    今天成功把易语言调用验证码通杀的DLL在Python中成功调用了，心理美滋滋的，接着把我的经验及示例代码分享给大家，希望对大家有所帮助
    2021-08-08
  • 通过Python爬虫代理IP快速增加博客阅读量

    通过Python爬虫代理IP快速增加博客阅读量

    本文主要对通过Python爬虫代理IP快速增加博客阅读量的方法进行分析介绍。具有很好的参考价值，需要的朋友一起来看下吧
    2016-12-12

最新评论