VGG

AlexNet比LeNet更深更大，以得到更好的精度
能不能更深和更大？该如何更深更大？
选项：
    更多的全连接层（太贵）
    更多的卷积层
    将卷积层组合成块

---

VGG块

VGG块：
      3×3卷积（填充1）（n层，m通道（即：输入和输出通道是一样的））
      2×2最大池化层（步幅2）

为什么用的是3×3而不是5×5？
    因为5×5计算量大，得浅一点点。在同样的计算和开销下用3×3比5×5的效果好。即：深但窄效果更好。

VGG架构

        多个VGG块后接全连接层。
        不同次数的重复块得到不同的架构VGG-16,VGG-19。

---

进度

---

总结

    ①VGG使用可重复使用的卷积块来构建深度卷积神经网络。
    ②不同的卷积块个数和超参数可以得到不同复杂度的变种。

---

使用块的网络（VGG）

VGG块

    使用了带有 3×3 卷积核、填充为1（保持高度和宽度）的卷积层，和带有 2×2 池化窗口、步幅为2（每个块后的分辨率减半）的最大池化层。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):
	# 创建了一个空列表 layers，用于按顺序存储将要构建的层的实例。
    layers = []
    # 循环构建卷积层和ReLU层
    for _ in range(num_convs):
    	# 将这个卷积层添加到 layers 列表中。
        layers.append(nn.Conv2d(in_channels, out_channels,
                                kernel_size=3, padding=1))
        # 添加一个ReLU激活层到 layers 列表中。
        layers.append(nn.ReLU())
        # 更新 in_channels 为 out_channels，以便下一个卷积层可以正确接收当前卷积层的输出作为输入。
        in_channels = out_channels
    # 添加最大池化层
    layers.append(nn.MaxPool2d(kernel_size=2,stride=2))
    # 使用 nn.Sequential 将 layers 列表中的所有层打包成一个有序的容器。*layers 是解包列表，使其元素作为 nn.Sequential 的参数。
    return nn.Sequential(*layers)

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池化层组成，第二部分由全连接层组成。

    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。

# 第一个参数为几层卷积，第二个参数为输出通道数
conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))

每一块是进行高宽减半，224最后分成5块，为什么是5块呢？

是奇数，已经不能在分了。

实现VGG-11，可以通过在conv_arch上执行for循环来简单实现。

def vgg(conv_arch):
	# 初始化一个空列表，用于存储VGG网络中的卷积块
    conv_blks = []
    # 假设输入图像的通道数为1（例如，灰度图像）。对于彩色图像，这通常是3  
    in_channels = 1
    # 卷积层部分
    # 遍历conv_arch列表，其中每个元素是一个包含两个值的元组：(卷积层数, 输出通道数) 
    for (num_convs, out_channels) in conv_arch:
    	# 为每个卷积块调用vgg_block函数，并将结果添加到conv_blks列表中
        conv_blks.append(vgg_block(num_convs, in_channels, out_channels))
        # 更新输入通道数，为构建下一个卷积块做准备
        in_channels = out_channels
 	# 构建并返回整个网络模型
    return nn.Sequential(
    	# 解包conv_blks列表，将其中的所有卷积块按顺序添加到Sequential模型中
    	# 将卷积层输出的多维特征图展平成一维，以便输入到全连接层
        *conv_blks, nn.Flatten(),
        # 全连接层部分
        # 全连接层的输入特征数量就是特征图的通道数乘以高度再乘以宽度。即：out_channels * 7 * 7
        # Dropout层，用于防止过拟合，丢弃率为0.5  
        nn.Linear(out_channels * 7 * 7, 4096), nn.ReLU(), nn.Dropout(0.5),
        # 第二个全连接层，输入和输出特征数均为4096  
        nn.Linear(4096, 4096), nn.ReLU(), nn.Dropout(0.5),
        nn.Linear(4096, 10))
# 调用vgg函数构建网络模型，并将conv_arch作为参数传递 
net = vgg(conv_arch)

观察每层输出的形状

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) # VGG使得高宽减半，通道数加倍

结果：

该部分总代码

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

def vgg_block(num_convs,in_channels,out_channels): # 卷积层个数、输入通道数、输出通道数
    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) # *layers表示把列表里面的元素按顺序作为参数输入函数     

conv_arch = ((1,64),(1,128),(2,256),(2,512),(2,512)) # 第一个参数为几层卷积，第二个参数为输出通道数

def vgg(conv_arch):
    conv_blks = []
    in_channels = 1
    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(),
                         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)

# 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) # VGG使得高宽减半，通道数加倍

---

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
# conv_arch是一个列表，其中包含多个元组（pair）元组pair中包含两个参数，现在对第二个参数整除ratio目的是减小模型的大小
# 所有输出通道除以4
small_conv_arch = [(pair[0], pair[1] // ratio) for pair in conv_arch]
# VGG接受一个卷积层的配置列表
net = vgg(small_conv_arch)
X = torch.randn(size=(1, 1, 224, 224))
for blk in net:
    X = blk(X)
    print(blk.__class__.__name__,'output shape:\t',X.shape)

lr, num_epochs, batch_size = 0.05, 10, 128
# resize=224参数表明将图像的大小调整为224x224像素
train_iter, test_iter = d2l.load_data_fashion_mnist(batch_size, resize=224)
# 尝试获取GPU，如果可用则使用GPU进行训练，以提高训练速度。如果GPU不可用，则默认使用CPU。
d2l.train_ch6(net, train_iter, test_iter, num_epochs, lr, d2l.try_gpu())

结果：