[AIFFEL/GoingDeeper] VGG-16/VGG-19 Tensorflow 구현하기

< VGGNet >

- Very Deep Convolutional Networks

- 논문에서는 오로지 깊이나 주는 영향력을 알기 위해 필터는 3x3으로 stride는 1로 고정했으며 MaxPooling은 2x2에 strdie 2로 하여 학습을 진행했다

- https://journeysnote.tistory.com/30?category=943336 

[AIFFEL/FUNDAMENTALSTAGE/17] VGG-16 / ResNet

 

 

 

1. VGG 구조의 특징

-  CNN 레이어 여러 개와 Max pooling 레이어 한 개로 이루어진다.

- CNN은 모두 커널 크기가 3X3 이라는 대표적인 특징을 가지고 있다

- 블록(구조를 모듈화 시켜 조금씩 바꾸어 쓸 수 있는 단위)에 따라 CNN레이어의 개수가 달라진다

- 블록의 마지막에는 항상 Max Pooling레이어가 붙는다

 

 

VGG 기본 블록 하나

def build_vgg_block(input_layer,
                    num_cnn=3, 
                    channel=64,
                    block_num=1,
                   ):
    # 입력 레이어
    x = input_layer

    # CNN 레이어
    for cnn_num in range(num_cnn):
        x = keras.layers.Conv2D(
            filters=channel,
            kernel_size=(3,3),
            activation='relu',
            kernel_initializer='he_normal',
            padding='same',
            name=f'block{block_num}_conv{cnn_num}'
        )(x)    

    # Max Pooling 레이어
    x = keras.layers.MaxPooling2D(
        pool_size=(2, 2),
        strides=2,
        name=f'block{block_num}_pooling'
    )(x)

    return x

 

 

VGG-16

def build_vgg(input_shape=(32,32,3),
              num_cnn_list=[2,2,3,3,3],
              channel_list=[64,128,256,512,512],
              num_classes=10):
    
    assert len(num_cnn_list) == len(channel_list) #모델을 만들기 전에 config list들이 같은 길이인지 확인합니다.
    
    input_layer = keras.layers.Input(shape=input_shape)  # input layer를 만들어둡니다.
    output = input_layer
    
    # config list들의 길이만큼 반복해서 블록을 생성합니다.
    for i, (num_cnn, channel) in enumerate(zip(num_cnn_list, channel_list)):
        output = build_vgg_block(
            output,
            num_cnn=num_cnn, 
            channel=channel,
            block_num=i
        )
        
    output = keras.layers.Flatten(name='flatten')(output)
    output = keras.layers.Dense(4096, activation='relu', name='fc1')(output)
    output = keras.layers.Dense(4096, activation='relu', name='fc2')(output)
    output = keras.layers.Dense(num_classes, activation='softmax', name='predictions')(output)
    
    model = keras.Model(
        inputs=input_layer, 
        outputs=output
    )
    return model

- num_classes 는 데이터를 CIFAR-10을 이용했기 때문에 10.

 

 

VGG-19

vgg_19 = build_vgg(
    num_cnn_list = [2,2,4,4,4],
    channel_list = [64,128,256,512,512]
)