pytorch搭建VGG网络

前言

这篇内容主要参考了B站的一个Up主的视频~~

• 视频链接 https://www.bilibili.com/video/BV1i7411T7ZN
• up主的github：https://github.com/WZMIAOMIAO/deep-learning-for-image-processing

VGG

论文地址
VGG 在2014年由牛津大学著名研究组 VGG（Visual Geometry Group） 提出，斩获该年 ImageNet 竞赛中 Localization Task（定位任务）第一名和 Classification Task（分类任务）第二名。
主要创新点：通过堆叠多个小卷积核来代替大卷积核，以此来减少参数。 论文提到，两个3x3的卷积核可以代替一个5x5的卷积核，三个3x3的卷积核可以代替一个7x7的卷积核。
看下图方便理解~

感受野的计算公式为：F(i)=(F(i+1)−1)×Stride +Ksize （VGG网络中Stride默认为1）

• F(i) 为第 i 层感受野
• Stride 为第 ii 层的步距
• Ksize 为 卷积核 或 池化核 尺寸

算一下感受野~

Feature map: F=1
Conv3x3(3): F=(1−1)×1+3=3
Conv3x3(2): F=(3−1)×1+3=5
Conv3x3(1): F=(5−1)×1+3=7

再比较一下参数~

对于一个7x7的卷积核需要：7x7xCxC = 49 C^2
三个3x3的卷积核需要：3x3xCxC + 3x3xCxC + 3x3xCxC = 27 C^2

网络实现

import torch
import torch.nn as nn
import torch.functional as F


#数字代表卷积核个数，M表示池化层,和表格对应
cfgs = {
    'vgg11': [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],											# 模型A
    'vgg13': [64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],									# 模型B
    'vgg16': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M'],					# 模型D
    'vgg19': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 256, 'M', 512, 512, 512, 512, 'M', 512, 512, 512, 512, 'M'], 	# 模型E
}


# 卷积层提取特征
def make_features(cfg: list): # 传入的是具体某个模型的参数列表
    layers = []
    in_channels = 3		# RGB三通道
    for v in cfg:
        # 最大池化层
        if v == "M":
            layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
        # 卷积层
        else:
            conv2d = nn.Conv2d(in_channels, v, kernel_size=3, padding=1)
            layers += [conv2d, nn.ReLU(True)]
            in_channels = v
    return nn.Sequential(*layers)  # 单星号(*)将参数以元组(tuple)的形式导入

class VGG(nn.Module):
  def __init__(self,feature,num_classes=1000,init_weights=False):
    super(VGG,self).__init__()
    self.feature = feature
    self.classifier = nn.Sqeuential(
        nn.Dropout(p=0.5),
        nn.Linear(512*7*7,4096),
        nn.ReLU(True),
        nn.Dropout(p=0.5),
        nn.Linear(4096, 4096),
        nn.ReLU(True),
        nn.Linear(4096, num_classes)
    )
    if init_weights:
      self._initialize_weights()

  def _initialize_weights(self):
  	for m in self.modules():
        if isinstance(m, nn.Conv2d):
            # nn.init.kaiming_normal_(m.weight, mode='fan_out', nonlinearity='relu')
            nn.init.xavier_uniform_(m.weight)
            if m.bias is not None:
                nn.init.constant_(m.bias, 0)
        elif isinstance(m, nn.Linear):
            nn.init.xavier_uniform_(m.weight)
            # nn.init.normal_(m.weight, 0, 0.01)
            nn.init.constant_(m.bias, 0)