三、CV_VGGnet - 技术栈

三、VGGnet

1.VGG网络架构

VGG可以看成是加深版的AlexNet，整个网络由卷积层和全连接层叠加而成，和AlexNet不同的是，VGG中使用的都是小尺寸的卷积核（3 ×\times× 3)。

VGGNet使用的全部都是3 ×\times× 3的小卷积核和2 ×\times× 2的池化核，通过不断加深网络来提升性能。VGG可通过重复使用简单的基础块来构建深度模型

在tf.keras中实现VGG模型，首先来实现VGG块，它的组成规律是：连续使用多个相同的填充为1、卷积核大小为3 ×\times× 3的卷积层后接上一个步幅为2，窗口形状为2 ×\times× 2的最大池化层。卷积层保持输入高的宽不变，而池化层则对其减半。我们使用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num_convs和每层的卷积核个数num_filters.

python 复制代码

# 定义VGG网络中的卷积块：卷积层的个数，卷积层中卷积核的个数
def vgg_block(num_convs, num_filters):
    blk = tf.keras.models.Squential()
    for _ in range(num_convs):
        blk.add(tf.keras.layers.Conv2D(num_filters, kernel_size = 3, padding = 'same', activation = 'relu'))

        # 卷积块最后一个是最大池化，窗口大小为2*2，步长为2
        blk.add(tf.keras.layers.MaxPool2D(pool_size = 2, strides = 2))
        return blk

VGG16网络有五个卷积块，前2块使用两个卷积层，而后三块使用三个卷积层。第一块的输出通道是64，之后每次对输出通道数翻倍，直到变为512

python 复制代码

# 定义5个卷积块，指明每个卷积层个数及相应的卷积核个数
conv_arch = ((2, 64), (2, 128), (3, 256), (3, 512), (3, 512))

这个网络使用了13个卷积层和3个全连接层，通过指定conv_arch得到模型架构后构建VGG16

python 复制代码

def vgg(conv_arch):
    # 构建序列模型
    net = tf.keras.models.Squential()
    # 根据conv_arch生成卷积部分
    for (num_convs, num_filters) in conv_arch:
        net.add(vgg_block(num_convs, num_filters))

    # 卷积块序列后添加全连接层
    net.add(tf.keras.models.Squential([
        tf.keras.layers.Flatten(),
        tf.keras.layers.Dense(4096, activation = 'relu'),
        tf.keras.layers.Dropout(0.5),
        tf.keras.layers.Dense(4096, activation = 'relu'),
        tf.keras.layers.Dropout(0.5),
        tf.keras.layers.Dense(10, activation = 'Softmax')
    ]))

    return net

# 网络实例化
net = vgg(conv_arch)

构造一个高宽均为224的单通道数据样本来看一下模型架构

python 复制代码

X = tf.random.uniform((1, 224, 224, 1))
y = net(X)

net.summary() # 查看网络形状

2.手写数字识别

读取数据时需将图像高和宽扩大到VggNet使用的图像高和宽224，这个通过tf.image.resize_with_pad来实现

（1）数据读取

获取数据并进行维度调整

python 复制代码

import numpy as np
(train_images,  train_labels), (test_images, test_labels) = mnist.load_data()

train_images = np.reshape(train_images, (train_images.shape[0], train_images.shape[1], train_images.shape[2], 1))
test_images = np.reshape(test_images, (test_images.shape[0], test_images.shape[1], test_images.shape[2], 1))

定义两个方法获取部分数据，并将图像调整为224*224大小，进行模型训练

python 复制代码

# 定义两个样本随机抽取部分样本演示
# 获取训练集数据
def get_train(size):
    index = np.random.randint(0, np.shape(train_images)[0], size)

    resize_images = tf.image.resize_with_pad(train_images[index], 224, 224, )

    return resize_images.numpy() ,train_labels[index]

# 获取测试集数据
def get_test(size):
    index = np.random.randint(0, np.shape(test_images)[0], size)

    resize_images = tf.image.resize_witn_pad(test_images[index], 224, 224, )

    return resize_images.numpy(), test_labels[index]

调用上述两个方法，获取参与模型训练及测试的数据集

python 复制代码

train_images, train_labels = get_train(256)
test_images, test_labels = get_test(128)

（2）模型编译

python 复制代码

# 指定优化器，损失函数和评价指标
optimizer = tf.keras.optimizers.SGD(learning_rate = 0.01, momentum = 0.0)

net.compile(
    optimizer = optimizer,
    loss = 'sparse_categorical_crossentropy',
    metrics = ['accuracy']
)

（3）模型训练

python 复制代码

net.fit(train_images, traim_labels, batch_size = 128, epoch = 3, verbose = 1, validation_split = 0.1)

（4）模型评估

python 复制代码

net.evaluate(test_images, test_labels, verbose = 1)