简单易懂的PyTorch版VGG19复现代码

VGG19网络结构

VGG的创新点包括使用3x3小核替换传统的5x5或7x7大核卷积，其整个网络除全连接层外，均采用步长为 1 填充为 1 的 3x3 卷积 + ReLU 和步长为 2 填充为 0 的 2x2 最大池化，网络结构非常简洁。VGG网络的输入维度为 3x224x224，在全连接层之前没有使用全局平均值池化压缩特征图的空间维度，而是直接将特征图的后 3 维 Flatten 后输入到全连接层中，这样导致第一个全连接层有较多的参数，且VGG包括 3 个全连接层，在训练时需要使用Dropout等正则化方法防止过拟合。VGG19的网络结构如下图所示：

PyTorch复现代码

# VGG19.py
import torch
import torch.nn as nnclass Conv(nn.Module):def __init__(self, in_channels, out_channels, kernel_size=1, stride=1,padding=None, groups=1, activation=True):super(Conv, self).__init__()padding = kernel_size // 2 if padding is None else paddingself.conv = nn.Conv2d(in_channels, out_channels, kernel_size, stride,padding, groups=groups, bias=True)self.act = nn.ReLU(inplace=True) if activation else nn.Identity()def forward(self, x):return self.act(self.conv(x))class VGG19(nn.Module):def __init__(self, num_classes):super(VGG19, self).__init__()self.stages = nn.Sequential(*[self._make_stage(3, 64, num_blocks=2, max_pooling=True),self._make_stage(64, 128, num_blocks=2, max_pooling=True),self._make_stage(128, 256, num_blocks=4, max_pooling=True),self._make_stage(256, 512, num_blocks=4, max_pooling=True),self._make_stage(512, 512, num_blocks=4, max_pooling=True)])self.head = nn.Sequential(*[nn.Flatten(start_dim=1, end_dim=-1),nn.Linear(512 * 7 * 7, 4096),nn.ReLU(inplace=True),nn.Linear(4096, 4096),nn.ReLU(inplace=True),nn.Linear(4096, num_classes)])@staticmethoddef _make_stage(in_channels, out_channels, num_blocks, max_pooling):layers = [Conv(in_channels, out_channels, kernel_size=3, stride=1)]for _ in range(1, num_blocks):layers.append(Conv(out_channels, out_channels, kernel_size=3, stride=1))if max_pooling:layers.append(nn.MaxPool2d(kernel_size=2, stride=2, padding=0))return nn.Sequential(*layers)def forward(self, x):return self.head(self.stages(x))if __name__ == "__main__":inputs = torch.rand((8, 3, 224, 224)).cuda()model = VGG19(num_classes=1000).cuda().train()outputs = model(inputs)print(outputs.shape)

简单易懂的PyTorch版VGG19复现代码相关推荐

首个大众可用PyTorch版AlphaFold2复现，哥大开源OpenFold，star量破千
作者丨小舟来源丨机器之心 AlphaFold2 是 2021 年 AI for Science 领域最耀眼的一颗星.现在,有人在 PyTorch 中复现了它,并已在 GitHub 上开源.这一复现在 ...
【代码分析】Pytorch版YOLO V4代码分析
YOLO V4出来也几天了,论文大致看了下,然后看到大量的优秀者实现了各个版本的YOLOV4了. Yolo v4 论文: https://arxiv.org/abs/2004.10934 AB大神Da ...
YOLOv3最全复现代码合集（含PyTorch/TensorFlow和Keras等）
点击上方"CVer",选择"置顶公众号" 重磅干货,第一时间送达前戏 2018年3月26日,CVer第一时间推文:YOLOv3:你一定不能错过 2019年3月 ...
何恺明一作论文 MAE 已有人复现！PyTorch 版！（附链接）
来源:AI算法与图像处理本文多图,建议阅读5分钟 CV大神何恺明论文复现. 大家好,我是红色石头.之前介绍过CV大神何恺明又出力作!论文「Masked Autoencoders Are Scalab ...
【CV】YOLOv4最全复现代码合集（含PyTorch/TF/Keras和Caffe等）
前言 2020年4月24日,CVer第一时间推文:大神接棒,YOLOv4来了! 2020年6月28日,CVer第一时间推文:YOLOv4-Tiny来了!371 FPS! 距离YOLOv4正式推出,已经 ...
【经典重温】所有数据无需共享同一个卷积核！谷歌提出条件参数化卷积CondConv（附Pytorch复现代码）...
关注公众号,发现CV技术之美 ▊ 写在前面卷积层是深度神经网络的基本组成部分之一,目前的卷积网络的一个基本假设是卷积核应该为数据集中的所有样本所共享 .在本文中,作者打破了这个假设,提出了条件参数化 ...
何恺明一作论文 MAE 已有人复现！PyTorch 版！
来源 | AI算法与图像处理仅作学术分享,不代表本公众号立场,侵权联系删除 CV大神何恺明又出力作!论文「Masked Autoencoders Are Scalable Vision Learne ...
史上最详细的Pytorch版yolov3代码中文注释详解（四）
史上最详细的Pytorch版yolov3代码中文注释详解(一):https://blog.csdn.net/qq_34199326/article/details/84072505 史上最详细的Pyt ...
《动手学深度学习》(PyTorch版)代码注释 - 26 【GoogLeNet_Learning】
目录说明配置环境此节说明代码说明本博客代码来自开源项目:<动手学深度学习>(PyTorch版) 并且在博主学习的理解上对代码进行了大量注释,方便理解各个函数的原理和用途配置环 ...
《动手学深度学习》(PyTorch版)代码注释 - 25 【NiN_Learning】
目录说明配置环境此节说明代码说明本博客代码来自开源项目:<动手学深度学习>(PyTorch版) 并且在博主学习的理解上对代码进行了大量注释,方便理解各个函数的原理和用途配置环 ...

简单易懂的PyTorch版VGG19复现代码

VGG19网络结构

PyTorch复现代码

简单易懂的PyTorch版VGG19复现代码相关推荐

最新文章

热门文章