使用VGG16来训练cifar数据集

最新推荐文章于 2024-08-19 09:57:37 发布

沙雅云

最新推荐文章于 2024-08-19 09:57:37 发布

阅读量4.6k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： pytorch

本文链接：https://blog.csdn.net/yychentracy/article/details/90270977

VGG16的特点：

VGGNet使用了更深的结构， AlexNet只有8 层网络，而VGGNet 有16 层，不在使用大的卷积核，只使用3*3卷积核和2*2的池化层

之所以使用小的滤波器，是因为层叠很多小的滤波器的感受野和一个大的滤波器的感受野是相同的，还能减少参数，同时有更深的网络结构。其实他只是不断的对网络层进行叠加，并没有太多的创新，而增加深度确实可以一定程度改善模型的效果。

代码如下

导入必要的包

import torch
from torch.autograd import Variable
import numpy as np
import matplotlib.pyplot as plt
from torch import nn,optim
from torch.utils.data import DataLoader
from torchvision import datasets,transforms

定义模型结构

class VGG(nn.Module):
    def __init__(self,num_classes):
        super(VGG,self).__init__()
        self.features=nn.Sequential(
            nn.Conv2d(3,64,kernel_size=3,padding=1),
            nn.ReLU(True),
            nn.Conv2d(64,64,kernel_size=3,padding=1),
            nn.ReLU(True),
            nn.MaxPool2d(kernel_size=2,stride=2),
            nn.C