VGG19网络结构

VGG19是经典的深度卷积神经网络结构，包含 5个阶段共 16 个卷积层和 3 个全连接层，如表所示。前 2 个阶段各有 2 个卷积层，后 3 个阶段各有 4 个卷积层。每个卷积层均使用 3 × 3 大小的卷积核，边界扩充大小为 1，步长为 1，即保持输入输出特征图的高和宽不变。每个阶段的卷积层的通道数在不断变化。在每个阶段的第一个卷积层，输入通道数为上一个卷积层的输出通道数（第一个阶段的输入通道数为原始图像通道数）。5 个阶段的卷积层输出通道数分别为 64、128、256、512、512。每个阶段除第一个卷积层外，其他卷积层均保持输入和输出通道数相同。每个卷积层后面都跟随有 ReLU 层作为激活函数，每个阶段最后都跟随有一个最大池化层，将特征图的高和宽缩小为原来的 1/2。3 个全连接层中前 2 个全连接层后面也跟随有 ReLU 层。值得注意的是，第五阶段输出的特征图会进行变形，将四维特征图变形为二维矩阵作为全连接层的输入。网络最后是 Softmax 层计算分类概率。经过帖主的疯狂搜寻，使用VGG19的超参数配置成功完成了网络的搭建工作,同时由于该网络结构的泛用性，因此帖主在这里将本人在实验平台中纯手工搭建VGG19网络用代码的方式呈现给各位，供大家学习、参考~