type
status
date
slug
summary
tags
category
icon
password
Property
VGG块
经典卷积神经网络的基本组成部分是下面的这个序列：
- 带填充以保持分辨率的卷积层
- 非线性激活函数，如ReLU
- 汇聚层，如最大汇聚层
而一个VGG块与之类似，由一系列卷积层组成，后面再加上用于空间下采样的最大汇聚层。在最初的VGG论文中，作者使用了带有卷积核、填充为1（保持高度和宽度）的卷积层，和带有汇聚窗口、步幅为2（每个块后的分辨率减半）的最大汇聚层。
定义一个名为
vgg_block的函数来实现一个VGG块：VGG网络
与AlexNet、LeNet一样，VGG网络可以分为两部分：第一部分主要由卷积层和汇聚层组成，第二部分由全连接层组成
VGG神经网络连接的几个VGG块（在
vgg_block函数中定义）。其中有超参数变量conv_arch。该变量指定了每个VGG块里卷积层个数和输出通道数。全连接模块则与AlexNet中的相同。原始VGG网络有5个卷积块，其中前两个块各有一个卷积层，后三个块各包含两个卷积层。 第一个模块有64个输出通道，每个后续模块将输出通道数量翻倍，直到该数字达到512。由于该网络使用8个卷积层和3个全连接层，因此它通常被称为VGG-11。
下面的代码实现了VGG-11:
