imagenet-vgg-verydeep-19参数解析

Posted 2022-12-04

最近学习风格迁移用到vgg19，这里简要总结要迁移学习vgg的模型结构
下载链接http://www.vlfeat.org/matconvnet/models/beta16/imagenet-vgg-verydeep-19.mat

参数结构

import scipy.io
import scipy.misc
path = "/Users/enjlife/deep-learning-model/imagenet-vgg-verydeep-19.mat"
vgg = scipy.io.loadmat(path)
vgg.keys()

查看vgg字典，发现共有6个key

​​dict_keys([__header__, __version__, __globals__, layers, classes, normalization])​​ 这里我们关注layers key，里面是我们需要的参数

​​vgg[layers].shape​​获取shape结果为​​(1, 43)​​，正好与我们的模型层数相符合。

下面取第一层layer查看​​vgg[layers][0][0].shape​​，结果显示是一个二维​​(1, 1)​​数组。

查看其元素内容发现​​vgg[layers][0][0]​​包含参数部分和说明部分​​dtype=[(weights, O), (pad, O), (type, O), (name, O), (stride, O)]​​，上述为说明部分，参数太长这里没有贴。

​​vgg[layers][0][0][0][0][0]​​最后一个零选取的是W和b的参数。

​​vgg[layers][0][0][0][0][1]​​最后一个1选组的是pad填充的参数。依次可以取出layer的类型、名字、步长。

这里还要注意，取出的W和b的矩阵依然是一个二维矩阵​​vgg[layers][0][0][0][0][0].shape​​，结果为​​(1,2)​​，然后我们通过​​vgg[layers][0][0][0][0][0][0][0]​​和​​vgg[layers][0][0][0][0][0][0][1]​​取到W和b的值。引用一张图片来总结下结果

​​imagenet-vgg-verydeep-19参数结构解析​