1. VGG块

在下面的代码中，我们定义了一个名为vgg_block的函数来实现一个VGG块。

该函数有三个参数，分别对应于卷积层的数量num_convs、输入通道的数量in_channels 和输出通道的数量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 # 下一层的输入通道数等于本层的输出通道数
    layers.append(nn.MaxPool2d(kernel_size=2,stride=2))
    return nn.Sequential(*layers) # *layers是解包，把数组拆成一个个元素

2. VGG网络

VGG神经网络连接几个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。

# ps：这个块数是不能改变的，也就是conv_arch中的元素个数只能是5，
# 如果变成6个的话，那么224/64 = 3...32 ，图片大小都不为整数了
# 但是通道数可以改变，卷积层个数可以改变
conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))

下面的代码实现了VGG-11。可以通过在conv_arch上执行for循环来简单实现。

def vgg(conv_arch):
    conv_blks = []
    in_channels = 1 # 是因为用的数据集fashion_mnist的图片都是灰度图
    # 卷积层部分
    for (num_convs, out_channels) in conv_arch:
        # conv_blks 是一个由很多vgg_block组成的数组
        conv_blks.append(vgg_block(num_convs, in_channels, out_channels))
        in_channels = out_channels # 下一层的输入通道数等于本层的输出通道数

    return nn.Sequential(
        *conv_blks, nn.Flatten(),
        # 全连接层部分
        # 为什么是7*7呢？因为有5个卷积块，每个卷积块的最后一层都是一个strdie=2且大小为2的pooling层，
        # 就意味着每经过一个卷积块大小会减半，经过5个卷积块后，224/32 = 7，最后图片大小变成7*7
        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)

接下来，我们将构建一个高度和宽度为224的单通道数据样本，以观察每个层输出的形状。

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

在这里插入图片描述

正如从代码中所看到的，我们在每个块的高度和宽度减半，最终高度和宽度都为7。最后再展平表示，送入全连接层处理。

3. 训练模型

由于VGG-11比AlexNet计算量更大，因此我们构建了一个通道数较少的网络，足够用于训练Fashion-MNIST数据集。

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

除了使用略高的学习率外，模型训练过程与AlexNet类似。

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())