【PyTorch】PyTorch搭建基础VGG16网络

vgg16网络结构：

源码：

import torch
import torch.nn as nn
from torch.autograd import Variablecfg = {'vgg16':[64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M']}class VGG16(nn.Module):def __init__(self):super(VGG16,self).__init__()self.features = self._make_layers(cfg['vgg16'])print(self.features)self.classifier = nn.Linear(512,10) #主要是实现CIFAR10，不同的任务全连接的结构不同def forward(self, x):x = self.features(x)x = x.view(x.size(0),-1)x = self.classifier(x)return xdef _make_layers(self,cfg):layers = []in_channels = 3for x in cfg:  #遍历listif x == 'M':layers += [nn.MaxPool2d(2,2)]else:layers += [nn.Conv2d(in_channels,x,3,1,1),nn.BatchNorm2d(x),nn.ReLU(inplace=True)] ##inplace为True，将会改变输入的数据 ，# 否则不会改变原输入，只会产生新的输出in_channels = x#print(layers)return nn.Sequential(*layers)def main():vgg16 = VGG16()if __name__ == '__main__':main()

输出：

Sequential((0): Conv2d(3, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(1): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(2): ReLU(inplace)(3): Conv2d(64, 64, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(4): BatchNorm2d(64, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(5): ReLU(inplace)(6): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(7): Conv2d(64, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(8): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(9): ReLU(inplace)(10): Conv2d(128, 128, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(11): BatchNorm2d(128, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(12): ReLU(inplace)(13): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(14): Conv2d(128, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(15): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(16): ReLU(inplace)(17): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(18): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(19): ReLU(inplace)(20): Conv2d(256, 256, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(21): BatchNorm2d(256, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(22): ReLU(inplace)(23): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(24): Conv2d(256, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(25): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(26): ReLU(inplace)(27): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(28): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(29): ReLU(inplace)(30): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(31): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(32): ReLU(inplace)(33): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)(34): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(35): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(36): ReLU(inplace)(37): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(38): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(39): ReLU(inplace)(40): Conv2d(512, 512, kernel_size=(3, 3), stride=(1, 1), padding=(1, 1))(41): BatchNorm2d(512, eps=1e-05, momentum=0.1, affine=True, track_running_stats=True)(42): ReLU(inplace)(43): MaxPool2d(kernel_size=2, stride=2, padding=0, dilation=1, ceil_mode=False)
)

可以看到输出与网络结构图一一对应

【PyTorch】PyTorch搭建基础VGG16网络相关推荐

使用eNSP搭建基础IP网络和单交换机与VLAN分布实验（二层+三层）
Hello, 好久不见.上学期因为个人原因一直没有更新(主要原因是上学期小小的摆了一下),这个学期我会继续在平台上分享我的学习经验.主要包括网络互联以及攻防的内容,也可能会更新深度学习相关的东西,主要 ...
Pytorch:自定义构建VGG16网络
有的时候会遇上这样的问题,需要使用一个神经网络但是需要自定义,增加或者删减某层,这个时候没有办法使用pytorch自带的model来进行训练,这时怎么办呢?于是我研究出来了一种简单可行的办法供大家 ...
断点续训 Pytorch 和 Tensorflow 框架 VGG16 模型猫狗大战鸢尾花分类
神经网络训练模型的过程中,如果程序突然中断,竹篮打水一场空? >>>断点续训来解决! 目录 (1)Pytorch框架的断点续训(猫狗大战) (2)Tensorflow框架的断点续训( ...
Faster-RCNN.pytorch的搭建、使用过程详解（适配PyTorch 1.0以上版本）
Faster-RCNN.pytorch的搭建.使用过程详解引言 faster-rcnn pytorch代码下载 faster-rcnn pytorch配置过程 faster-rcnn pytorch ...
Pytorch快速搭建Alexnet实现手写英文字母识别+PyQt实现鼠标绘图
Pytorch快速搭建Alexnet实现手写英文字母识别+PyQt实现鼠标绘图前言一.案例要求二.训练数据准备 1.下载手写英文字母数据集 2.构建自己的数据集三.AlexNet实现 1.Al ...
Pytorch 含并行连结的网络 GoogLeNet
Pytorch 含并行连结的网络 GoogLeNet 0. 环境介绍环境使用 Kaggle 里免费建立的 Notebook 教程使用李沐老师的动手学深度学习网站和视频讲解小技巧:当遇到函数看 ...
使用PyTorch构建GAN生成对抗网络源码（详细步骤讲解+注释版）02 人脸识别上
文章目录 1 数据集描述 2 GPU设置 3 设置Dataset类 4 设置辨别器类 5 辅助函数与辅助类 1 数据集描述此项目使用的是著名的celebA(CelebFaces Attribute) ...
运用PyTorch动手搭建一个共享单车预测器
本文摘自 <深度学习原理与PyTorch实战> 我们将从预测某地的共享单车数量这个实际问题出发,带领读者走进神经网络的殿堂,运用PyTorch动手搭建一个共享单车预测器,在实战过程中掌握神 ...
Pytorch ——基础指北_叁 [Pytorch API 构建基础模型]
Pytorch --基础指北_叁系列文章目录 Pytorch --基础指北_零 Pytorch --基础指北_壹 Pytorch --基础指北_贰 Pytorch --基础指北_叁文章目录 Pyt ...

【PyTorch】PyTorch搭建基础VGG16网络

vgg16网络结构：

源码：

输出：

【PyTorch】PyTorch搭建基础VGG16网络相关推荐

最新文章

热门文章