vgg代码实现pytorch

以下是用PyTorch实现VGG网络的示例代码：

import torch
import torch.nn as nn

# 定义VGG网络的结构
cfg = {
    'VGG11': [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
    'VGG13': [64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'],
    'VGG16': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M', 512, 512, 512, 'M'],
    'VGG19': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 256, 'M', 512, 512, 512, 512, 'M', 512, 512, 512, 512, 'M']
}

class VGG(nn.Module):
    def __init__(self, vgg_name):
        super(VGG, self).__init__()
        self.features = self._make_layers(cfg[vgg_name])
        self.classifier = nn.Linear(512, 10) # 假设分类任务有10个类别

    def forward(self, x):
        x = self.features(x)
        x = x.view(x.size(0), -1)
        x = self.classifier(x)
        return x

    def _make_layers(self, cfg):
        layers = []
        in_channels = 3  # 输入图像的通道数
        for x in cfg:
            if x == 'M':
                layers += [nn.MaxPool2d(kernel_size=2, stride=2)]
            else:
                layers += [nn.Conv2d(in_channels, x, kernel_size=3, padding=1),
                           nn.BatchNorm2d(x),
                           nn.ReLU(inplace=True)]
                in_channels = x
        layers += [nn.AvgPool2d(kernel_size=1, stride=1)]
        return nn.Sequential(*layers)

# 创建VGG网络实例
model = VGG('VGG16')

# 打印VGG网络结构
print(model)

此代码定义了一个VGG类，可以通过构造函数中的参数来选择不同的VGG版本（VGG11、VGG13、VGG16或VGG19）。然后，使用_make_layers函数创建VGG网络的层，并在forward方法中定义网络的前向传播过程。最后，利用VGG类创建了一个model实例，并打印出网络结构。你可以根据自己的需求进行修改和扩展。