实践篇VGG的网络架构

您所在的位置：网站首页 › 博图数据类型wstring怎么用 › 实践篇VGG的网络架构

实践篇VGG的网络架构

2023-02-22 21:25| 来源: 网络整理| 查看: 265

1.VGG的网络架构

VGG可以看成是加深版的AlexNet，整个网络由卷积层和全连接层叠加而成，和AlexNet不同的是，VGG中使用的都是小尺寸的卷积核(3×3)，其网络架构如下图所示：

VGGNet使用的全部都是3x3的小卷积核和2x2的池化核，通过不断加深网络来提升性能。VGG可以通过重复使用简单的基础块来构建深度模型。

在tf.keras中实现VGG模型，首先来实现VGG块，它的组成规律是：连续使用多个相同的填充为1、卷积核大小为3×33×3的卷积层后接上一个步幅为2、窗口形状为2×22×2的最大池化层。卷积层保持输入的高和宽不变，而池化层则对其减半。我们使用vgg_block函数来实现这个基础的VGG块，它可以指定卷积层的数量num_convs和每层的卷积核个数num_filters：

# 定义VGG网络中的卷积块：卷积层的个数，卷积层中卷积核的个数 def vgg_block(num_convs, num_filters): # 构建序列模型 blk = tf.keras.models.Sequential() # 遍历所有的卷积层 for _ in range(num_convs): # 每个卷积层：num_filter个卷积核，卷积核大小为3*3，padding是same，激活函数是relu blk.add(tf.keras.layers.Conv2D(num_filters,kernel_size=3, padding='same',activation='relu')) # 卷积块最后是一个最大池化，窗口大小为2*2，步长为2 blk.add(tf.keras.layers.MaxPool2D(pool_size=2, strides=2)) return blk

VGG16网络有5个卷积块，前2块使用两个卷积层，而后3块使用三个卷积层。第一块的输出通道是64，之后每次对输出通道数翻倍，直到变为512。

# 定义5个卷积块，指明每个卷积块中的卷积层个数及相应的卷积核个数 conv_arch = ((2, 64), (2, 128), (3, 256), (3, 512), (3, 512))

因为这个网络使用了13个卷积层和3个全连接层，所以经常被称为VGG-16,通过制定conv_arch得到模型架构后构建VGG16：

# 定义VGG网络 def vgg(conv_arch): # 构建序列模型 net = tf.keras.models.Sequential() # 根据conv_arch生成卷积部分 for (num_convs, num_filters) in conv_arch: net.add(vgg_block(num_convs, num_filters)) # 卷积块序列后添加全连接层 net.add(tf.keras.models.Sequential([ # 将特征图展成一维向量 tf.keras.layers.Flatten(), # 全连接层：4096个神经元，激活函数是relu tf.keras.layers.Dense(4096, activation='relu'), # 随机失活 tf.keras.layers.Dropout(0.5), # 全连接层：4096个神经元，激活函数是relu tf.keras.layers.Dense(4096, activation='relu'), # 随机失活 tf.keras.layers.Dropout(0.5), # 全连接层：10个神经元，激活函数是softmax tf.keras.layers.Dense(10, activation='softmax')])) return net # 网络实例化 net = vgg(conv_arch)

我们构造一个高和宽均为224的单通道数据样本来看一下模型的架构：

# 构造输入X，并将其送入到net网络中 X = tf.random.uniform((1,224,224,1)) y = net(X) # 通过net.summay()查看网络的形状 net.summay()

网络架构如下：

Model: "sequential_15" _________________________________________________________________ Layer (type) Output Shape Param # ================================================================= sequential_16 (Sequential) (1, 112, 112, 64) 37568 _________________________________________________________________ sequential_17 (Sequential) (1, 56, 56, 128) 221440 _________________________________________________________________ sequential_18 (Sequential) (1, 28, 28, 256) 1475328 _________________________________________________________________ sequential_19 (Sequential) (1, 14, 14, 512) 5899776 _________________________________________________________________ sequential_20 (Sequential) (1, 7, 7, 512) 7079424 _________________________________________________________________ sequential_21 (Sequential) (1, 10) 119586826 ================================================================= Total params: 134,300,362 Trainable params: 134,300,362 Non-trainable params: 0 __________________________________________________________________2.手写数字势识别

因为ImageNet数据集较大训练时间较长，我们仍用前面的MNIST数据集来演示VGGNet。读取数据的时将图像高和宽扩大到VggNet使用的图像高和宽224。这个通过tf.image.resize_with_pad来实现。

2.1 数据读取

首先获取数据,并进行维度调整：

import numpy as np # 获取手写数字数据集 (train_images, train_labels), (test_images, test_labels) = mnist.load_data() # 训练集数据维度的调整：N H W C train_images = np.reshape(train_images,(train_images.shape[0],train_images.shape[1],train_images.shape[2],1)) # 测试集数据维度的调整：N H W C test_images = np.reshape(test_images,(test_images.shape[0],test_images.shape[1],test_images.shape[2],1))

由于使用全部数据训练时间较长，我们定义两个方法获取部分数据，并将图像调整为224*224大小，进行模型训练：

# 定义两个方法随机抽取部分样本演示 # 获取训练集数据 def get_train(size): # 随机生成要抽样的样本的索引 index = np.random.randint(0, np.shape(train_images)[0], size) # 将这些数据resize成22*227大小 resized_images = tf.image.resize_with_pad(train_images[index],224,224,) # 返回抽取的 return resized_images.numpy(), train_labels[index] # 获取测试集数据 def get_test(size): # 随机生成要抽样的样本的索引 index = np.random.randint(0, np.shape(test_images)[0], size) # 将这些数据resize成224*224大小 resized_images = tf.image.resize_with_pad(test_images[index],224,224,) # 返回抽样的测试样本 return resized_images.numpy(), test_labels[index]

调用上述两个方法，获取参与模型训练和测试的数据集：

# 获取训练样本和测试样本 train_images,train_labels = get_train(256) test_images,test_labels = get_test(128)

为了让大家更好的理解，我们将数据展示出来：

# 数据展示：将数据集的前九个数据集进行展示 for i in range(9): plt.subplot(3,3,i+1) # 以灰度图显示，不进行插值 plt.imshow(train_images[i].astype(np.int8).squeeze(), cmap='gray', interpolation='none') # 设置图片的标题：对应的类别 plt.title("数字{}".format(train_labels[i]))

结果为：

我们就使用上述创建的模型进行训练和评估。

2.2 模型编译# 指定优化器，损失函数和评价指标 optimizer = tf.keras.optimizers.SGD(learning_rate=0.01, momentum=0.0) net.compile(optimizer=optimizer, loss='sparse_categorical_crossentropy', metrics=['accuracy'])2.3 模型训练# 模型训练：指定训练数据，batchsize,epoch,验证集 net.fit(train_images,train_labels,batch_size=128,epochs=3,verbose=1,validation_split=0.1)

训练输出为：

Epoch 1/3 2/2 [==============================] - 34s 17s/step - loss: 2.6026 - accuracy: 0.0957 - val_loss: 2.2982 - val_accuracy: 0.0385 Epoch 2/3 2/2 [==============================] - 27s 14s/step - loss: 2.2604 - accuracy: 0.1087 - val_loss: 2.4905 - val_accuracy: 0.1923 Epoch 3/3 2/2 [==============================] - 29s 14s/step - loss: 2.3650 - accuracy: 0.1000 - val_loss: 2.2994 - val_accuracy: 0.15382.4 模型评估# 指定测试数据 net.evaluate(test_images,test_labels,verbose=1)

输出为：

4/4 [==============================] - 5s 1s/step - loss: 2.2955 - accuracy: 0.1016 [2.2955007553100586, 0.1015625]

如果我们使用整个数据集训练网络，并进行评估的结果：

[0.31822608125209806, 0.8855]

有用记得关注 @四喜Clion 哦，干货满满的博主OpenCV 图像简单操作有哪些？如何深入的熟悉Python的高级语法?怎样才能写出高质量的SQL语句？国内有哪些不错的CV(计算机视觉)团队?一些人工智能基础Python 入门教程完整版（全 547 集）Python 进阶之 MySQL 入门教程Python 深入浅出进阶课程2 小时玩转 Python 多线程编程人工智能：Python 3 天快速入门机器学习项目Python 深度学习之神经网络

【本文地址】

实践篇VGG的网络架构

实践篇VGG的网络架构

今日新闻

推荐新闻