经典卷积架构:VGG系列

VGG

VGG的提出者所在实验室名字为Visual Geometry Group ，因此就地取名，VGG诞生了。

VGG通过堆叠大量的VGG块，实现了更深的网络结构。

这里的VGG块，包含了多个卷积层一个池化层：

卷积层的卷积核尺寸为3*3，stride为1，padding为1；这种结构保证了输入图片(或特征图)经过卷积后得到的特征图的尺寸与输入尺寸是一样的。也就是或，卷积仅仅改变通道数，而不改变图像(特征图)的尺寸。
池化层的池化窗口尺寸和stride都是2，从而使得特征图的尺寸减半。

在堆叠的多个VGG块之后，是一些全连接层，负责最后的分类结果输出。

根据网络层数的不同，VGG有多个版本，如下图：

可以看出，不同版本之间的差异体现在卷积层（VGG 块个数不同），而全连接层是通用的。

在代码实现时，我们将写一个基本通用的框架，它可以帮助我们快捷实现不同版本的VGG。

注意：

我们将忽略现在已经不怎么使用的LRN，并且会添加一些现在常用的网络层，如ReLU，BN等。
对于图中的第4列(C)，该框架不是通用的，因为含有1*1卷积。不过这对于实现来说完全不是问题，比如将全部层堆叠在一起，简单粗暴。不过这不是本文的重点。

好了，开始实现吧~

PyTorch 实现VGG

我们可以用一个序列来保存网络的结构，以VGG16为例(上图中第5列，D)，其网络结构可表示如下：

1	VGG16=[64,64,'M',128,128,'M',256,256,256,'M',512,512,512,'M',512,512,512,'M']

数字代表卷积层输出通道数，’M’代表池化层。

第一个卷积层的输入通道数需要手动传入，其余参数都是固定的，无需显式写出。

VGG 网络通用框架代码如下：

class VGG_net(nn.Module):
    def __init__(self,in_channels,architecture,num_classes=1000):
        super().__init__()
        self.in_channels=in_channels
        self.conv_layers=self.create_conv_layers(architecture)
        self.fcs=nn.Sequential(
            nn.Flatten(start_dim=1),
            nn.Linear(512*7*7,4096),#224/(2**5)=7
            nn.ReLU(),
            nn.Dropout(p=0.5),
            nn.Linear(4096,4096),
            nn.ReLU(),
            nn.Dropout(p=0.5),
            nn.Linear(4096,num_classes)
            )
        
    def forward(self,x):
        x=self.conv_layers(x)
        #x=x.reshape(x.shape[0],-1)
        x=self.fcs(x)
        return x
    
    def create_conv_layers(self,architecture):
        layers=[]
        in_channels=self.in_channels
        for x in architecture:
            if type(x)==int:
                out_channels=x
                layers+=[nn.Conv2d(in_channels=in_channels,out_channels=out_channels,kernel_size=(3,3),stride=(1,1),padding=(1,1)),
                        nn.BatchNorm2d(x),
                        nn.ReLU()]
                in_channels=x #下一个卷积层的输入通道数是当前卷积层的输出通道数
            elif x=='M':
                layers+=[nn.MaxPool2d(kernel_size=(2,2),stride=(2,2))]
                
        return nn.Sequential(*layers)