老师边讲课，边写代码

简述VGG模型，说明其中的结构（描述模型的结构，哪一层是卷积、那一层是池化、那一层是全连接？），并使用VGG模型完成下面图像分类的实验(建议使用Python语言,Pytorch 框架)。图像分类数据集：CIFAR-10，由10个类的60000个32x32彩色图像组成，每个类有6000个图像；有50000个训练样本（训练集）和10000个测试样本（测试集） 分别使用数据集中训练集的1%、10%、50%、80%样本进行训练模型，使用测试样本进行测试，简述步骤并对比使用不同比例的训练样本对于训练结果的影响（即模型训练完成后，使用测试样本输入模型得到的准确率）。随着数据量的增大，观察每一次模型迭代（模型每完成一次迭代，即所有训练样本输入到模型中进行训练更新）所需的计算时间、内存消耗变化，并做比较。分析试验结果，回答下面问题： A． 说明你实验的硬件环境 B． 说明自己程序中使用的是哪种梯度下降算法（随机、批量、全部）？ C． 训练过程中你调整了哪些参数，谈谈你的调参过程和调参技巧 D． 当数据量逐渐变大时，你的训练测试过程有没遇到实质性困难？

inception_v3_weights_tf_dim_ordering_tf_kernels_notop.h5 这是VGG16网络在imagenet数据集上的预训练权重文件，不带连接层。仅仅需要5积分，自行下载提取哦。

vgg16.npy 实测真实可用 vgg16 加载模型

本下载提供VGG16-tensorflow/keras完整版，不是notop版！CSDN要求每下载链不超过200M，因此我打了3个子包，下载后请自行解压还原，提供CSDN给盆友们快速下载，花了些时间收集，收点成本费就是了^_^ 强烈鄙视坐地起价开50下载分而且还是notop版！需要notop版的请在我的下载专区查看。

本下载提供VGG16-tensorflow/keras完整版，不是notop版！CSDN要求每下载链不超过200M，因此我打了3个子包，下载后请自行解压还原，提供CSDN给盆友们快速下载，花了些时间收集，收点成本费就是了^_^ 强烈鄙视坐地起价开50下载分而且还是notop版！需要notop版的请在我的下载专区查看。

本下载提供VGG16-tensorflow/keras完整版，不是notop版！CSDN要求每下载链不超过200M，因此我打了3个子包，下载后请自行解压还原，提供CSDN给盆友们快速下载，花了些时间收集，收点成本费就是了^_^ 强烈鄙视坐地起价开50下载分而且还是notop版！需要notop版的请在我的下载专区查看。

输入图像为768x576。在faster-rcnn中使用vgg16作为分类网络模型。

VGG16训练CIFAR10代码，通过学习小土堆的视频，对VGG16网络进行修改，训练CIFAR10

VGG16卷积神经网络–TensorFlow2结果展示loss和acc曲线计算参数程序 结果展示 loss和acc曲线 epoch = 10 acc = 90.02% 计算参数 程序 # -*- coding: utf-8 -*- Created on Tue Apr 14 2020 @author: jiollos # 导入包 import tensorflow as tf import os import numpy as np from matplotlib import pyplot as plt from tensorflow.keras.layers impor