经典卷积神经网络模型—AlexNet，VGG，GoogLeNet资源-CSDN文库

“人造太阳”计划

alexnet网络结构

29 浏览量 2021-01-20 11:59:17 上传评论收藏 291KB PDF 举报

资源推荐

资源详情

资源评论

经典卷积神经网络模型经典卷积神经网络模型—AlexNet，，VGG，，GoogLeNet

AlexNet

特征特征

8层变换，其中有5层卷积和2层全连接隐藏层，以及1个全连接输出层。

将sigmoid激活函数改成了更加简单的ReLU激活函数。

用Dropout来控制全连接层的模型复杂度。

引入数据增强，如翻转、裁剪和颜色变化，从而进一步扩大数据集来缓解过拟合

第一个卷积层第一个卷积层

输入的图片大小为:2242243（或者是2272273）

第一个卷积层为:111196即尺寸为1111,

有

个卷积核

步长为

卷积层后跟

ReLU,

因此输出的尺寸为

224/4=56,

去掉边缘为

55,

因此其输出的每个

feature map

为

555596,

同时后面跟

LRN

层

尺寸不变

最大池化层

核大小为

33,步长为2,因此feature map的大小为:272796.

第二层卷积层第二层卷积层

输入的tensor为272796

卷积和的大小为: 55256,步长为1,尺寸不会改变,同样紧跟ReLU,和LRN层.

最大池化层,和大小为33,

步长为

因此

feature map

为

:1313*256

第三层至第五层卷积层第三层至第五层卷积层

输入的tensor为1313256

第三层卷积为 33384,步长为1,加上ReLU

第四层卷积为 33384,步长为1,加上ReLU

第五层卷积为 33256,步长为1,加上ReLU

第五层后跟最大池化层,核大小33,

步长为

因此

feature map:66*256

第六层至第八层全连接层第六层至第八层全连接层

接下来的三层为全连接层,分别为:

FC : 4096 + ReLU

FC:4096 + ReLU

FC: 1000 最后一层为softmax为1000类的概率值.

本文中的模型都是在FashionMNIST数据集上验证

AlexNet模型pytorch实现

import time

import torch

from torch import nn, optim

import torchvision

import numpy as np

import sys

sys.path.append("/home/")

import os

import torch.nn.functional as F

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

class AlexNet(nn.Module):

def __init__(self):

super(AlexNet, self).__init__()

self.conv = nn.Sequential(

nn.Conv2d(1, 96, 11, 4), # in_channels, out_channels, kernel_size, stride, padding

nn.ReLU(),

nn.MaxPool2d(3, 2), # kernel_size, stride

# 减小卷积窗口，使用填充为2来使得输入与输出的高和宽一致，且增大输出通道数

nn.Conv2d(96, 256, 5, 1, 2),

nn.ReLU(),

nn.MaxPool2d(3, 2),

# 连续3个卷积层，且使用更小的卷积窗口。除了最后的卷积层外，进一步增大了输出通道数。

# 前两个卷积层后不使用池化层来减小输入的高和宽

nn.Conv2d(256, 384, 3, 1, 1),

nn.ReLU(),

nn.Conv2d(384, 384, 3, 1, 1),

nn.ReLU(),

nn.Conv2d(384, 256, 3, 1, 1),

nn.ReLU(),

nn.MaxPool2d(3, 2)

)

# 这里全连接层的输出个数比LeNet中的大数倍。使用丢弃层来缓解过拟合

self.fc = nn.Sequential(

nn.Linear(256*5*5, 4096),

nn.ReLU(),

nn.Dropout(0.5),

#由于使用CPU镜像，精简网络，若为GPU镜像可添加该层

nn.Linear(4096, 4096),

nn.ReLU(),

nn.Dropout(0.5),

# 输出层。由于这里使用Fashion-MNIST，所以用类别数为10，而非论文中的1000

nn.Linear(4096, 10),

)

def forward(self, img):

feature = self.conv(img)

output = self.fc(feature.view(img.shape[0], -1))

return output

def load_data_fashion_mnist(batch_size, resize=None, root='/home/kesci/input/FashionMNIST2065'):

"""Download the fashion mnist dataset and then load into memory."""

trans = [] if resize:

trans.append(torchvision.transforms.Resize(size=resize))

trans.append(torchvision.transforms.ToTensor())

transform = torchvision.transforms.Compose(trans)

mnist_train = torchvision.datasets.FashionMNIST(root=root, train=True, download=True, transform=transform)

mnist_test = torchvision.datasets.FashionMNIST(root=root, train=False, download=True, transform=transform)

train_iter = torch.utils.data.DataLoader(mnist_train, batch_size=batch_size, shuffle=True, num_workers=2)

test_iter = torch.utils.data.DataLoader(mnist_test, batch_size=batch_size, shuffle=False, num_workers=2)

return train_iter, test_iter

def evaluate_accuracy(data_iter, net, device=None):

if device is None and isinstance(net, torch.nn.Module):

# 如果没指定device就使用net的device

device = list(net.parameters())[0].device

acc_sum, n = 0.0, 0

with torch.no_grad():

for X, y in data_iter:

if isinstance(net, torch.nn.Module):

net.eval() # 评估模式, 这会关闭dropout

acc_sum += (net(X.to(device)).argmax(dim=1) == y.to(device)).float().sum().cpu().item()

剩余6页未读，继续阅读

评论收藏

内容反馈

weixin_38742409

粉丝: 14
资源: 954

经典卷积神经网络模型—AlexNet，VGG，GoogLeNet

经典卷积神经网络模型-合集(AlexNet，VGG16Net，GoogLeNet，ResNet18).zip

卷积神经网络进阶（AlexNet、VGG、NiN、GoogleNet）

用MATLAB实现卷积神经网络CNN，并对图像进行特征提取

现流行的AlexNet,VGGNet,GoogleNet,SENet,ResNet等11篇经典卷积神经网络

DeepLearning-TensorFlow2:本专栏我将使用谷歌TensorFlow2.0框架逐一重现经典的卷积神经网络：LeNet，AlexNet，VGG系列，GooLeNet，ResNet系列，DenseNet系列，以及现在比较流行的：RCNN系列，SSD，YOLO系列等

CNN模型简单介绍(LeNet,AlexNet,VGG,GoogLeNet,ResNet,GAN,R-CNN)

机器学习-14. 卷积神经网络深入、AlexNet模型

深度卷积神经网络模型发展综述.pdf

卷积神经网络模型发展及应用.pdf

Pytorch手工搭建实现LeNet、AlexNet、VGGNet、GoogLeNet和ResNet等经典CNN模型+实验报告及说明.zip

24深度卷积神经网络AlexNet.zip

基于不同卷积神经网络模型的红壤有机质高光谱估算.pdf

经典卷积神经网络之-2012-AlexNet-MNIST（建议使用GPU来跑）.zip

Python基于VGG-16卷积神经网络实现的中草药识别的模型

使用卷积神经网络VGG-16完成是否佩戴口罩的分类模型之网络参数配置详解(Python+PaddlePaddle)

基于改进VGG卷积神经网络的棉花病害识别模型_张建华.pdf

经典深度卷积神经网络模型在手绘草图识别中的应用研究.pdf

卷积神经网络.pdf

23经典卷积神经网络LeNet.zip

卷积神经网络及典型模型介绍

基于Pytorch的多种卷积神经网络模型搭建功能实现

卷积神经网络综述.pdf

卷积神经网络ppt.pptx

深度学习及卷积神经网络综述

深度卷积神经网络模型的研究分析.pdf

改进卷积神经网络模型设计方法.pdf

深度卷积神经网络的发展及其在计算机视觉领域的应用.pdf

最新资源