VGG模型构建与实现

VGG卷积神经网络最大的特点就是由多个vgg_block构成,每个vgg_block包含多个卷积层,除第一个卷积层外,其余卷积层输入输出通道数量保持不变,卷积核大小一般为3*3,填充为1,即卷积层不改变特征图大小,由卷积核为2步长为2的池化层进行特征图缩放。

 vgg_block实现:

def vgg_block(conv_num, in_channel, out_channel):
    layers = []
    for _ in range(conv_num):
        layers.append(nn.Conv2d(in_channel, out_channel, kernel_size=3, padding=1))
        layers.append(nn.ReLU())
        in_channel = out_channel
    layers.append(nn.MaxPool2d(kernel_size=2, stride=2))
    return nn.Sequential(*layers)

         VGG根据不同网络深度分为VGG11、VGG13、VGG16和VGG19几个版本,每个VGG网络都是由5个vgg_block和三个全连接层组成。

评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

TheMatrixs

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值