VGG神经网络

 

 

 

 

 

 首先将数据进行处理，将训练集和测试机的图片大小进行随机裁剪得到40*40的图像

  建立VGG神经网络，第一层 channal=3 fliter=64 kernel size=3 spading=1  

　　　　　　　　　   第二层　channal=64 fliter=128 kernel size=3 spading=1  

　　　　　　　　　　每层进行进行池化

　　　　　　　　　　第三层　channal=128 fliter=256 kernel size=3 spading=1

                                    第四层　channal=256 fliter=256 kernel size=3 spading=1

                                    进行池化

　　　　　　　　　　第五层　channal=512 fliter=512 kernel size=3 spading=1

                                    第六层　channal=512 fliter=512 kernel size=3 spading=1

                                    进行池化　　　　　　　　　　

　　　　　　　　　　第七层　channal=512 fliter=512 kernel size=3 spading=1

                                    第八层　channal=512 fliter=512 kernel size=3 spading=1

                                    进行池化

                                   然后将数据进行全局平均池化，连接到所分的10个类别单元

　　　　　　　　　   最后通过梯度下降，反向传播求出最优权重