你能告诉我每一层有多少神经元吗？我觉得这将提高我对 VGG 中正在发生的事情的理解。
让我们在这里使用这段代码来获得一些具体的东西。
https://github.com/machrisaa/tensorflow-vgg/blob/master/vgg19.py#L46
在这一行中，我看到输入了 224x224x3（图像）。在代码中的每一行之后（每行代表一个层），该图像的尺寸会发生什么变化？
谢谢你。
问问题
2336 次
2 回答
2
您发布的调试信息是每个操作/层输出的尺寸。它与“神经元”的数量有关，但并不相同。
输出维度从何而来？
VGG-19 中只有两种类型的层（不包括 softmax 和全连接）：
- 卷积层：它们都使用步长为 1 且填充为 1 的 3x3 过滤器。这意味着输出体积将具有与输入体积相同的宽度和高度（深度等于过滤器的数量）。下面参考资料的幻灯片 44 具有在给定输入维度和卷积参数的情况下计算输出的公式。
- 最大池层：它们都使用步长为 2 的 2x2 窗口。这意味着输出体积将具有输入体积的一半宽度和一半高度。幻灯片 56。
神经元在哪里？
假设我们想将网络解释为一组神经元。神经元是每个具有一组权重的单元，用于收集其输入的加权和，然后进行非线性变换。
首先，全连接层中有神经元：4096 + 4096 + 1000 = 9192 个神经元。
其次，卷积层中有神经元。基本上，您可以将每个过滤器视为一个神经元（幻灯片 50 上有一个很好的说明）。
您可以在幻灯片 71 上轻松查找每一层的过滤器数量（例如 conv3-64 代表 64 个 3x3 过滤器）。对于 VGG-19，我们有 2*64 + 2*128 + 4*256 + 2*4*512 = 5504 个神经元。
综上所述，在实践中，通常人们会根据参数（即权重）的数量和层数来衡量网络的大小。VGG-19 有 1.44 亿个参数，非常大。作为比较，训练集有 130 万个示例。
参考：http ://cs231n.stanford.edu/slides/winter1516_lecture7.pdf
于 2016-11-03T07:48:23.347 回答
0
我找到了一种检测代码的方法，并得出了每一层的大小。这让我现在很清楚。如果您好奇，我使用了 tensorflow 中的交互式会话功能来完成这项工作。
conv1_1 [100, 224, 224, 64]
conv1_2 [100, 224, 224, 64]
池 1 [100、112、112、64]
conv2_1 [100, 112, 112, 128]
conv2_2 [100, 112, 112, 128]
池2 [100, 56, 56, 128]
conv3_1 [100, 56, 56, 256]
conv3_2 [100, 56, 56, 256]
conv3_3 [100, 56, 56, 256]
conv3_4 [100, 56, 56, 256]
池3 [100, 28, 28, 256]
conv4_1 [100, 28, 28, 512]
conv4_2 [100, 28, 28, 512]
conv4_3 [100, 28, 28, 512]
conv4_4 [100, 28, 28, 512]
pool4 [100, 14, 14, 512]
conv5_1 [100, 14, 14, 512]
conv5_2 [100, 14, 14, 512]
conv5_3 [100, 14, 14, 512]
conv5_4 [100, 14, 14, 512]
pool5 [100, 7, 7, 512]
fc6 [100, 4096]
relu6 [100, 4096]
fc7 [100, 4096]
relu7 [100, 4096]
fc8 [100, 1000]
概率 [100, 1000]
于 2016-11-03T05:12:25.873 回答