VGG16网络结构图及pytorch 代码实现

1.网络结构图及对应输出结果

2.pytorch代码实现

import torch.nn as nn
from torchsummary import summary
import torchclass VGG16(nn.Module):def __init__(self):super(VGG16, self).__init__()self.maxpool1 = nn.Sequential(nn.Conv2d(3, 64, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.Conv2d(64, 64, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2))self.maxpool2 = nn.Sequential(nn.Conv2d(64, 128, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.Conv2d(128, 128, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2))self.maxpool3 = nn.Sequential(nn.Conv2d(128, 256, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.Conv2d(256, 256, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.Conv2d(256, 256, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2))self.maxpool4 = nn.Sequential(nn.Conv2d(256, 512, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.Conv2d(512, 512, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.Conv2d(512, 512, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2))self.maxpool5= nn.Sequential(nn.Conv2d(512, 512, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.Conv2d(512, 512, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.Conv2d(512, 512, kernel_size=3,stride=1, padding=1),nn.ReLU(inplace=True),nn.MaxPool2d(kernel_size=2, stride=2))self.dense = nn.Sequential(nn.Linear(512 * 5 * 5, 4096),nn.ReLU(),nn.Linear(4096, 4096),nn.ReLU(),nn.Linear(4096, 1000))def forward(self, x):pool1=self.maxpool1(x)pool2=self.maxpool2(pool1)pool3=self.maxpool3(pool2)pool4=self.maxpool4(pool3)pool5=self.maxpool5(pool4)flat = pool5.view(pool5.size(0), -1)class_ = self.dense(flat)return class_
if __name__ == "__main__": device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')vgg_model=VGG16().to(device)summary(vgg_model, (3,160, 160)) #打印网络结构

3.打印网络结构输出结果

VGG16网络结构图及pytorch 代码实现相关推荐

python实现胶囊网络_Capsule Network胶囊网络解读与pytorch代码实现
本文是论文<Dynamic Routing between Capsules>的论文解读与pytorch代码实现. 如需转载本文或代码请联系作者 @Riroaki 并声明. 众所周知,卷积 ...
Pytorch 学习（2）：神经网络及训练一个分类器（cifar10_tutorial的网络结构图）
Pytorch 学习(2):神经网络及训练一个分类器(cifar10_tutorial的网络结构图) 本文代码来自Pytorch官网入门教程,相关内容可以从Pytorch官网学习. cifar10_t ...
ConvMixer：7行PyTorch代码实现的网络，就能在ImageNet上达到80%+的精度！
关注公众号,发现CV技术之美本文分享论文『Patches Are All You Need?』,提出<ConvMixer>,只需 7 行 pytorch 代码实现的网络,就能在 Imag ...
深度学习中经典网络结构图和代码
Inception网络与其它网络的性能对比 PyTorch-Networks: 包含了分类.检测以及姿态估计等网络的pytorch代码 caffe-model-zoo: AlexNet.VGGNet. ...
yolov3网络（DarkNet53）结构详解以及Pytorch代码实现
目录引言网络结构讲解网络结构设计理念残差结构步长为2的卷积替换池化层网络性能评估 yolo v3中Darknet-53网络基于Pytorch的代码实现总结引言 yolo v3用于提取特 ...
pytorch手写VGG16网络，两种写法，低阶基础写法
1.vgg16的网络结构图 2.vgg16网络分析输入的数据大小为[224*224]的图片,通道数为3,共有13个卷积层,3个全联接层,所以叫vgg16.具体的操作完之后的大小见代码注释. 3.版本 ...
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 ...
[Pytorch系列-61]：循环神经网络 - 中文新闻文本分类详解-3-CNN网络训练与评估代码详解
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...
【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': ...
[Pytorch系列-60]：循环神经网络 - 中文新闻文本分类详解-2-LSTM网络训练与评估代码详解
作者主页(文火冰糖的硅基工坊):文火冰糖(王文兵)的博客_文火冰糖的硅基工坊_CSDN博客本文网址:https://blog.csdn.net/HiWangWenBing/article/detai ...

VGG16网络结构图及pytorch 代码实现

VGG16网络结构图及pytorch 代码实现相关推荐

最新文章

热门文章