AlexNet缺點：結(jié)構(gòu)不規(guī)則，不規(guī)范，不清晰。

若要向更大規(guī)模的網(wǎng)絡(luò)發(fā)展，必須用更規(guī)范的方式去構(gòu)建網(wǎng)絡(luò)。

VGG思想：通過堆疊卷積塊構(gòu)建網(wǎng)絡(luò)

使用卷積核更小、層數(shù)更深的網(wǎng)絡(luò)效果優(yōu)于卷積核更大、層數(shù)較淺的網(wǎng)絡(luò)

通過不同的超參數(shù)設(shè)定，可以構(gòu)建出形態(tài)各異的VGG網(wǎng)絡(luò)

代碼實現(xiàn)：

該函數(shù)有三個參數(shù)，分別對應(yīng)于卷積層的數(shù)量num_convs、輸入通道的數(shù)量in_channels?和輸出通道的數(shù)量out_channels.

import torch
from torch import nn
from d2l import torch as d2l


def vgg_block(num_convs, in_channels, out_channels):
    layers = []
    for _ in range(num_convs):
        layers.append(nn.Conv2d(in_channels, out_channels,
                                kernel_size=3, padding=1))
        layers.append(nn.ReLU())
        in_channels = out_channels
    layers.append(nn.MaxPool2d(kernel_size=2,stride=2))
    return nn.Sequential(*layers)

與AlexNet、LeNet一樣，VGG網(wǎng)絡(luò)可以分為兩部分：第一部分主要由卷積層和匯聚層組成，第二部分由全連接層組成。

超參數(shù)變量conv_arch。該變量指定了每個VGG塊里卷積層個數(shù)和輸出通道數(shù)。全連接模塊則與AlexNet中的相同。

原始VGG網(wǎng)絡(luò)有5個卷積塊，其中前兩個塊各有一個卷積層，后三個塊各包含兩個卷積層。 第一個模塊有64個輸出通道，每個后續(xù)模塊將輸出通道數(shù)量翻倍，直到該數(shù)字達(dá)到512。由于該網(wǎng)絡(luò)使用8個卷積層和3個全連接層，因此它通常被稱為VGG-11。

conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))

下面的代碼實現(xiàn)了VGG-11?？梢酝ㄟ^在conv_arch上執(zhí)行for循環(huán)來簡單實現(xiàn)。

def vgg(conv_arch):
    conv_blks = []
    in_channels = 1
    # 卷積層部分
    for (num_convs, out_channels) in conv_arch:
        conv_blks.append(vgg_block(num_convs, in_channels, out_channels))
        in_channels = out_channels

    return nn.Sequential(
        *conv_blks, nn.Flatten(),
        # 全連接層部分
        nn.Linear(out_channels * 7 * 7, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 10))

net = vgg(conv_arch)

構(gòu)建一個高度和寬度為224的單通道數(shù)據(jù)樣本，以觀察每個層輸出的形狀。

X = torch.randn(size=(1, 1, 224, 224))
for blk in net:
    X = blk(X)
    print(blk.__class__.__name__,'output shape:\t',X.shape)

Sequential output shape:     torch.Size([1, 64, 112, 112])
Sequential output shape:     torch.Size([1, 128, 56, 56])
Sequential output shape:     torch.Size([1, 256, 28, 28])
Sequential output shape:     torch.Size([1, 512, 14, 14])
Sequential output shape:     torch.Size([1, 512, 7, 7])
Flatten output shape:        torch.Size([1, 25088])
Linear output shape:         torch.Size([1, 4096])
ReLU output shape:   torch.Size([1, 4096])
Dropout output shape:        torch.Size([1, 4096])
Linear output shape:         torch.Size([1, 4096])
ReLU output shape:   torch.Size([1, 4096])
Dropout output shape:        torch.Size([1, 4096])
Linear output shape:         torch.Size([1, 10])

由于VGG-11比AlexNet計算量更大，因此我們構(gòu)建了一個通道數(shù)較少的網(wǎng)絡(luò)，足夠用于訓(xùn)練Fashion-MNIST數(shù)據(jù)集。

ratio = 4
small_conv_arch = [(pair[0], pair[1] // ratio) for pair in conv_arch]
net = vgg(small_conv_arch)

除了使用略高的學(xué)習(xí)率外，模型訓(xùn)練過程與?7.1節(jié)中的AlexNet類似。

lr, num_epochs, batch_size = 0.05, 10, 128
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

loss 0.220, train acc 0.918, test acc 0.900
2578.4 examples/sec on cuda:0