VGG模型构建与实现

VGG卷积神经网络实现与训练

最新推荐文章于 2025-10-11 08:35:11 发布

原创

最新推荐文章于 2025-10-11 08:35:11 发布 · 3.1k 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#cnn #深度学习 #机器学习

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。