PyTorch复现网络模型VGG

VGG

原论文地址：https://arxiv.org/abs/1409.1556
VGG是Visual Geometry Group（视觉几何组）的缩写，它是一个在计算机视觉领域中非常有影响力的研究团队，主要隶属于牛津大学的工程系和科学系。VGG以其对卷积神经网络（Convolutional Neural Networks, CNNs）结构的研究而闻名，特别是在ILSVRC（ImageNet Large Scale Visual Recognition Challenge）竞赛中取得了显著的成绩。
VGG网络是VGG团队提出的一系列深度卷积神经网络模型，其中最著名的是VGG-16和VGG-19。这些模型以其简洁的架构和强大的性能而受到广泛关注。VGG网络的主要特点包括：
（1）使用小尺寸的卷积核（3x3）和最大池化层（2x2）来构建深度网络。
（2）通过堆叠多个小卷积核来模拟大尺寸卷积核的感受野，同时减少参数数量。
（3）在整个网络中保持卷积核尺寸和步长的一致性，使得网络结构更加规整。
（4）使用多个全连接层进行分类任务的输出。
VGG网络的性能在2014年当时是非常出色的，成为了计算机视觉任务中的基准模型之一。虽然现在有一些更先进的网络架构（如ResNet、DenseNet等）已经超越了VGG在某些方面的性能，但VGG仍然是一个值得学习和了解的经典模型。

感受野

（1）感受野（Receptive Field）是卷积神经网络（Convolutional Neural Networks, CNNs）中的一个重要概念，它指的是网络内部的不同位置的神经元对原图像的感受范围的大小。在卷积神经网络中，每个神经元都只与输入数据的一个局部区域相连，这个局部区域就是该神经元的感受野。随着网络层次的加深，每个神经元对于输入数据的感受野会逐渐扩大，从而能够提取更加抽象和全局的特征。
（2）感受野的大小可以通过计算得到，它与卷积核的大小、步长（stride）和填充（padding）等超参数有关。在一般的卷积神经网络中，感受野的大小会随着卷积层的加深而指数级增长。因此，深层卷积神经网络中的神经元可以具有非常大的感受野，能够覆盖输入图像的大部分区域甚至整个图像。
在这里插入图片描述

VGG网络结构

论文中介绍，从A-E，分别有11、11、13、16、16、19层，用的比较多的是VGG-16模型和VGG-19模型。
VGG-16模型包括13层卷积层和3层全连接层。
视频中截取的模型结构图
根据论文画出网络模型图，13个卷积层和3个全连接层。

网络模型复现代码

# 定义训练网络 VGG-16
import torch
from torch import nn
from torch.nn import functional as F
from torchinfo import summaryclass VGG16(nn.Module):def __init__(self):super().__init__()# 定义网络结构# conv1self.conv1 = nn.Conv2d(3, 64, 3, padding=1)self.conv2 = nn.Conv2d(64, 64, 3, padding=1)self.pool1 = nn.MaxPool2d(2)# conv2self.conv3 = nn.Conv2d(64, 128, 3, padding=1)self.conv4 = nn.Conv2d(128, 128, 3, padding=1)self.pool2 = nn.MaxPool2d(2)# conv3self.conv5 = nn.Conv2d(128, 256, 3, padding=1)self.conv6 = nn.Conv2d(256, 256, 3, padding=1)self.conv7 = nn.Conv2d(256, 256, 3, padding=1)self.pool3 = nn.MaxPool2d(2)# conv4self.conv8 = nn.Conv2d(256, 512, 3, padding=1)self.conv9 = nn.Conv2d(512, 512, 3, padding=1)self.conv10 = nn.Conv2d(512, 512, 3, padding=1)self.pool4 = nn.MaxPool2d(2)# conv5self.conv11 = nn.Conv2d(512, 512, 3, padding=1)self.conv12 = nn.Conv2d(512, 512, 3, padding=1)self.conv13 = nn.Conv2d(512, 512, 3, padding=1)self.pool5 = nn.MaxPool2d(2)# fc1self.lr1 = nn.Linear(7 * 7 * 512, 4096)# fc2self.lr2 = nn.Linear(4096, 4096)# fc3self.lr3 = nn.Linear(4096, 1000)def forward(self, x):x = F.relu(self.conv1(x))x = self.pool1(F.relu(self.conv2(x)))x = F.relu(self.conv3(x))x = self.pool2(F.relu(self.conv4(x)))x = F.relu(self.conv5(x))x = F.relu(self.conv6(x))x = self.pool3(F.relu(self.conv7(x)))x = F.relu(self.conv8(x))x = F.relu(self.conv9(x))x = self.pool4(F.relu(self.conv10(x)))x = F.relu(self.conv11(x))x = F.relu(self.conv12(x))x = self.pool5(F.relu(self.conv13(x)))x = x.view(-1, 7 * 7 * 512)  # 铺平x = F.relu(self.lr1(F.dropout(x, p=0.5)))x = F.relu(self.lr2(F.dropout(x, p=0.5)))output = F.softmax(self.lr3(x), dim=1)vgg = VGG16()
# 网络结构可视化
summary(vgg, input_size=(10, 3, 224, 224))

Pycharm运行输出结果，可以可视化VGG的网络结构和运行信息。
代码仓库：deeplearning

网络结构可视化torchinfo

介绍
torchinfo是一个用于PyTorch模型信息打印的Python包。它提供了一种简单而快速的方法来打印PyTorch模型的参数数量、计算图和内存使用情况等有用的信息，从而帮助深度学习开发人员更好地理解和优化他们的模型。具体来说，torchinfo可以用于打印网络的每一层尺寸等信息，使得开发人员能够更清晰地了解模型的结构和参数。
例如，使用torchinfo库的summary函数，可以轻松地打印出模型的结构信息，包括每一层的名称、类型、输出形状和参数数量等。这对于调试模型、优化模型结构以及进行模型剪枝等操作都非常有帮助。
总的来说，torchinfo是一个非常实用的工具，可以帮助PyTorch开发人员更好地理解和优化他们的模型。
——【文心一言】
安装：conda install -c conda-forge torchinfo （或pip install torchinfo）