前言

其他所有部分同上一篇AlexNet一样，所以就不再赘诉，直接看VGG搭建部分。

模型

VGG是第一个采取块进行模块化搭建的模型。

def vgg_block(num_convs,in_channels,out_channels):layers=[]for _ in range(num_convs):layers.append(nn.Conv2d(in_channels,out_channels,kernel_size=3,padding=1))layers.append(nn.ReLU())in_channels=out_channelslayers.append(nn.MaxPool2d(kernel_size=2,stride=2))return nn.Sequential(*layers)

可选择几个卷积之后再做池化，将这个做为一个块，在模型中多次使用。

conv_arch=((1,64),(1,128),(2,256),(2,512),(2,512))
def vgg(conv_arch):conv_blks=[]in_channels=len(frames_len)for (num_convs,out_channels) in conv_arch:conv_blks.append(vgg_block(num_convs,in_channels,out_channels))in_channels=out_channelsreturn nn.Sequential(*conv_blks,nn.Flatten(),nn.Linear(out_channels*7*7,4096),nn.ReLU(),nn.Dropout(0.5),nn.Linear(4096,4096),nn.ReLU(),nn.Dropout(0.5),nn.Linear(4096,len(labels))
net=vgg(conv_arch).to_device(device)#cuda

直接跟AlexNet模型替换就能使用。

简单来看一下这个模型，先做两次一个卷积外加一个池化，再做两次两个卷积外加一个池化，将整个网络的深度提升了很多。

结果

刚跑完，todesk就连接不上电脑了，所以就口述一下结果吧。

在上一次的10分类下，test的acc提高了20%左右，并且在增大frames_len的情况下，train的acc为100%，test的acc提升至90%，似乎是有捕获到视频的分类。

在100分类下的效果也还可以，train达到99.75%，test达到71%。

整体来看，VGG对于手语视频的分类是具有一定的效果的，对于其中的特征确实学习到了东西。