2.7.VGG

VGG

动机：AlexNet比LeNet更深更大来得到更好的精度，来能不能更深更大？

可以这样做：

1. 更多的全连接层(太贵)
2. 更多的卷积层（AlexNet已经用了很多卷积层，不好做）
3. 将卷积层组合成块

1.VGG块

​ 经典卷积神经网络的基本组成部分是下面的这个序列：

1. 带填充以保持分辨率的卷积层；
2. 非线性激活函数，如ReLU；
3. 池化层，如最大池化层。

​ 而一个VGG块与之类似，由一系列卷积层组成，后面再加上用于空间下采样的最大池化层：

​ 中间的卷积层可以随意堆砌,即层数是一个超参数，块的数量也是一个超参数。

​ 使用3*3的原因是，这样模型可以更深，在同样的计算能力下，更深的3*3卷积核比稍浅的5*5卷积核效果更好。

2.VGG网络

​ 多个VGG块连接后接全连接层，不同次数的重复块得到不同的架构VGG-16,VGG-19.

3.代码实现

import torch
from torch import nn
from d2l import torch as d2l# 定义vgg块，num_convs是卷积层的个数，作为超参数，在每次卷积后记得激活
def vgg_block(num_convs, in_channels, out_channels):layers = []for _ in range(num_convs):layers.append(nn.Conv2d(in_channels, out_channels,kernel_size=3, padding=1))layers.append(nn.ReLU())in_channels = out_channels  # 当前层的输出通道数是下一层的输入通道数layers.append(nn.MaxPool2d(kernel_size=2, stride=2))  # 最后做一次最大池化return nn.Sequential(*layers)
#不难看出，这样处理的话，卷积是不会对大小产生影响，只有在最后池化时，由于步幅是2，卷积核也是2，会让高宽减半，输出通道翻倍,可以理解为将特征学习到了，进行输出# 给出vgg网络的基本架构:
conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))
#一共5块，每块都让高宽减半，(卷积层数，有多少个输出通道)
#经过5个vgg块后，输出的特征图变为7*7的
def vgg(conv_arch):conv_blks = []in_channels = 1# 卷积层部分for (num_convs, out_channels) in conv_arch:conv_blks.append(vgg_block(num_convs, in_channels, out_channels))in_channels = out_channels #别忘了更新输入通道数return nn.Sequential(*conv_blks, nn.Flatten(),# 全连接层部分nn.Linear(out_channels * 7 * 7, 4096), nn.ReLU(), nn.Dropout(0.5),nn.Linear(4096, 4096), nn.ReLU(), nn.Dropout(0.5),nn.Linear(4096, 10))net = vgg(conv_arch)X = torch.randn(size=(1, 1, 224, 224))
for blk in net:X = blk(X)print(blk.__class__.__name__,'output shape:\t',X.shape)'''
由于VGG-11比AlexNet计算量更大，因此我们构建了一个通道数较少的网络，足够用于训练Fashion-MNIST数据集。
'''
ratio = 4
small_conv_arch = [(pair[0], pair[1] // ratio) for pair in conv_arch]
net = vgg(small_conv_arch)lr, num_epochs, batch_size = 0.05, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())