PyTorch实现GoogLeNet（InceptionNet）

最新推荐文章于 2024-04-16 19:22:21 发布

原创

最新推荐文章于 2024-04-16 19:22:21 发布 · 3.3k 阅读

9 ·

CC 4.0 BY-SA版权

本文档详细介绍了如何使用PyTorch实现GoogLeNet（又称InceptionNet），首先定义了卷积、批归一化和ReLU作为基本组件，接着构建了Inception模块，并测试了其输出。随后，通过堆叠多个Inception模块，构建了一个简化版的GoogLeNet网络，该网络仅有一个输出，而原始模型为避免梯度消失问题设计有多重输出。

import numpy as np
import torch
from torch import nn
from torch.autograd import Variable

定义一个卷积加batchnorm，以及relu激活函数作为基本结构

def conv_relu(in_channel,out_channel, kernel, stride=1, padding=0):
    layer = nn.Sequential(
        nn.Conv2d(in_channel, out_channel, kernel, stride, padding),
        nn.BatchNorm2d(out_channel, eps=1e-3),
        nn.ReLU(True)
    )
    return layer

定义inception模块

class inception(nn.Module):
    def __init__(self, in_channel, out1_1,out2_1, out2_3, out3_1, out3_5,out4_1):
        super(inception, self).__init__()
        
        # 定义inception模块第一条线路
        self.branch1x1 = conv_relu(in_channel,out1_1, 1)
        
        # 定义inception模块第二条线路
        self.branch3x3 = nn.Sequential(
            conv_relu(in_channel, out2_1, 1),
            conv_relu(out2_1, out2_3, 3, padding=1)
        )
        
        #定义inception模块的第三条线路
        self.branch5x5 = nn.Sequential(
            conv_relu(in_channel, out3_1, 1),
            conv_relu(out3_1, out3_5, 5, padding=2)
        )
        
        # 定义inception模块第四条线路
        
        s