深度学习之使?重复元素的?络(VGG)
内容导读
互联网集市收集整理的这篇技术教程文章主要介绍了深度学习之使?重复元素的?络(VGG),小编现在分享给大家,供广大互联网技能从业者学习和参考。文章包含723字,纯文字阅读大概需要2分钟。
内容图文
AlexNet在LeNet的基础上增加了3个卷积层。但AlexNet作者对它们的卷积窗?、输出通道数和构造顺序均做了?量的调整。虽然AlexNet指明了深度卷积神经?络可以取得出?的结果,但并没有提供简单的规则以指导后来的研究者如何设计新的?络。
VGG,它的名字来源于论?作者所在的实验室Visual Geometry Group。VGG提出了可以通过重复使?简单的基础块来构建深度模型的思路。
一、VGG块
VGG块的组成规律是:连续使?数个相同的填充为1、窗?形状为 的卷积层后接上?个步幅为2、窗?形状为 的最?池化层。卷积层保持输?的?和宽不变,?池化层则对其减半。我们使? 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和输?输出通道数。
二、VGG网络
与AlexNet和LeNet?样,VGG?络由卷积层模块后接全连接层模块构成。卷积层模块串联数个 vgg_block ,其超参数由变量 conv_arch 定义。该变量指定了每个VGG块?卷积层个数和输?输
出通道数。全连接模块则跟AlexNet中的?样。
因为每个卷积层的窗????样,所以每层的模型参数尺?和计算复杂
度与输??、输?宽、输?通道数和输出通道数的乘积成正?。VGG这种?和宽减半以及通道翻倍的设计使得多数卷积层都有相同的模型参数尺?和计算复杂度。
参考博客:https://zh.d2l.ai/chapter_convolutional-neural-networks/vgg.html
原文:https://www.cnblogs.com/somedayLi/p/12507510.html
内容总结
以上是互联网集市为您收集整理的深度学习之使?重复元素的?络(VGG)全部内容,希望文章能够帮你解决深度学习之使?重复元素的?络(VGG)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错,欢迎将互联网集市网站推荐给程序员好友。
内容备注
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 gblab@vip.qq.com 举报,一经查实,本站将立刻删除。
内容手机端
扫描二维码推送至手机访问。