创建和探索VGG16模型

原创

于 2024-06-24 19:45:00 发布 · 967 阅读

标签

#机器学习 #人工智能

收录于

PyTorch在torchvision库中提供了一组训练好的模型。这些模型大多数接受一个称为 pretrained 的参数，当这个参数为True 时，它会下载为ImageNet 分类问题调整好的权重。让我们看一下创建 VGG16模型的代码片段：

from torchvision import models
vgg = models.vggl6(pretrained=True)

现在有了所有权重已经预训练好且可马上使用的VGG16模型。当代码第一次运行时，可能需要几分钟，这取决于网络速度。权重的大小可能在500MB左右。我们可以通过打印快速查看下 VGG16模型。当使用现代架构时，理解这些网络的实现方式非常有用。我们来看看这个模型：

VGG(
    (features): Sequential(
        (0):Conv2d(3,64,kernel_size=(3,3),stride=(1,1),padding=(1,1))
        (1):ReLU (inplace)
        (2):Conv2d(64,64,kernel_size=(3,3),stride=(1,1),padding=(1,1))
        (3):ReLU(inplace)
        (4):MaxPool2d(size=(2,2),stride=(2,2),dilation=(1,1))
        (5):Conv2d(64,128,kernel_size=(3,3),stride=(1,1),padding=(1，1))
        (6):ReLU(inplace)
        (7):Conv2d(128,128,kernel_size=(3,3),stride=(1,1),padding=(1,1))
        (8):ReLU(inplace)
        (9):MaxPool2d(size=(2,2),stride=(2,2),dilation=(1,1))
        (10):Conv2d(128,256,kernel_size=(3,3),stride=(1,1),padding=(1,1))
        (11):ReLU(inplace)
        (12):Conv2d(256,256,kernel_size=(3,3),stride=(1,1),padding=(1,1))
        (13):ReLU(inplace)
        (14):Conv2d(256,256,kernel_size=(3,3),stride=(1,1),padding=(1,1))
        (15):ReLU(inplace)
        (16):MaxPool2d(size=(2,2)