网络结构 googlenet

　　网络结构 googlenet.py

　　在PaddlePaddle的models下面，有关于GoogLeNet的实现代码，大家可以直接学习拿来跑一下：

　　1 import paddle.v2 as paddle

　　2

　　3 __all__ = ['googlenet']

　　4

　　5

　　6 def inception(name, input, channels, filter1, filter3R, filter3, filter5R,

　　7 filter5, proj):成都人流术后注意事项
成都人流大概要多少钱
人流后出血是什么原因造成的
金堂好的人流医院
成都无痛人流的治疗有什么优势
成都治疗阴道炎专业的医院

　　8 cov1 = paddle.layer.img_conv(

　　9 name=name + '_1',

　　10 input=input,

　　11 filter_size=1,

　　12 num_channels=channels,

　　13 num_filters=filter1,

　　14 stride=1,

　　15 padding=0)

　　16

　　17 cov3r = paddle.layer.img_conv(

　　18 name=name + '_3r',

　　19 input=input,成都治疗阴道炎专业的医院
导致白带异常的原因是哪些
成都女性白带异常怎么办
四川专业妇科医院
人流手术在彭州哪里做比较好
青羊区做无痛人流哪家医院好?

　　20 filter_size=1,

　　21 num_channels=channels,

　　22 num_filters=filter3R,

　　23 stride=1,

　　24 padding=0)

　　25 cov3 = paddle.layer.img_conv(

　　26 name=name + '_3',

　　27 input=cov3r,高新区包皮过长的治疗费多吗
成华区哪个医院看早泄看的好
武侯区看妇科去九龙好不好
武侯妇科好不好?
温江妇科医院收费标准
温江区哪家医院治疗月经不调好
青羊区做阴唇整形专业的医院?
青羊区做人流专业的医院

　　28 filter_size=3,

　　29 num_filters=filter3,

　　30 stride=1,

　　31 padding=1)

　　32

　　33 cov5r = paddle.layer.img_conv(

　　34 name=name + '_5r',

　　35 input=input,

　　36 filter_size=1,

　　37 num_channels=channels,

　　38 num_filters=filter5R,

　　39 stride=1,

　　40 padding=0)

　　41 cov5 = paddle.layer.img_conv(

　　42 name=name + '_5',温江区哪家医院治疗月经不调好
青羊区做阴唇整形专业的医院?
青羊区做人流专业的医院
锦江区男科医院专业么
锦江区医院治疗阳痿早泄贵吗
双流妇科医院好吗
成都打胎医院哪家好

　　43 input=cov5r,

　　44 filter_size=5,

　　45 num_filters=filter5,

　　46 stride=1,

　　47 padding=2)

　　48

　　49 pool1 = paddle.layer.img_pool(

　　50 name=name + '_max',

　　51 input=input,

　　52 pool_size=3,

　　53 num_channels=channels,

　　54 stride=1,

　　55 padding=1)

　　56 covprj = paddle.layer.img_conv(

　　57 name=name + '_proj',

　　58 input=pool1,

　　59 filter_size=1,

　　60 num_filters=proj,

　　61 stride=1,

　　62 padding=0)

　　63

　　64 cat = paddle.layer.concat(name=name, input=[cov1, cov3, cov5, covprj])

　　65 return cat

　　66

　　67

　　68 def googlenet(input, class_dim):

　　69 # stage 1

　　70 conv1 = paddle.layer.img_conv(

　　71 name="conv1",

　　72 input=input,

　　73 filter_size=7,

　　74 num_channels=3,

　　75 num_filters=64,

　　76 stride=2,

　　77 padding=3)

　　78 pool1 = paddle.layer.img_pool(

　　79 name="pool1", input=conv1, pool_size=3, num_channels=64, stride=2)

　　80

　　81 # stage 2

　　82 conv2_1 = paddle.layer.img_conv(

　　83 name="conv2_1",

　　84 input=pool1,

　　85 filter_size=1,

　　86 num_filters=64,

　　87 stride=1,

　　88 padding=0)

　　89 conv2_2 = paddle.layer.img_conv(

　　90 name="conv2_2",

　　91 input=conv2_1,

　　92 filter_size=3,

　　93 num_filters=192,

　　94 stride=1,

　　95 padding=1)

　　96 pool2 = paddle.layer.img_pool(

　　97 name="pool2", input=conv2_2, pool_size=3, num_channels=192, stride=2)

　　98

　　99 # stage 3

　　100 ince3a = inception("ince3a", pool2, 192, 64, 96, 128, 16, 32, 32)

　　101 ince3b = inception("ince3b", ince3a, 256, 128, 128, 192, 32, 96, 64)

　　102 pool3 = paddle.layer.img_pool(

　　103 name="pool3", input=ince3b, num_channels=480, pool_size=3, stride=2)

　　104

　　105 # stage 4

　　106 ince4a = inception("ince4a", pool3, 480, 192, 96, 208, 16, 48, 64)

　　107 ince4b = inception("ince4b", ince4a, 512, 160, 112, 224, 24, 64, 64)

　　108 ince4c = inception("ince4c", ince4b, 512, 128, 128, 256, 24, 64, 64)

　　109 ince4d = inception("ince4d", ince4c, 512, 112, 144, 288, 32, 64, 64)

　　110 ince4e = inception("ince4e", ince4d, 528, 256, 160, 320, 32, 128, 128)

　　111 pool4 = paddle.layer.img_pool(

　　112 name="pool4", input=ince4e, num_channels=832, pool_size=3, stride=2)

　　113

　　114 # stage 5

　　115 ince5a = inception("ince5a", pool4, 832, 256, 160, 320, 32, 128, 128)

　　116 ince5b = inception("ince5b", ince5a, 832, 384, 192, 384, 48, 128, 128)

　　117 pool5 = paddle.layer.img_pool(

　　118 name="pool5",

　　119 input=ince5b,

　　120 num_channels=1024,

　　121 pool_size=7,

　　122 stride=7,

　　123 pool_type=paddle.pooling.Avg())

　　124 dropout = paddle.layer.addto(

　　125 input=pool5,

　　126 layer_attr=paddle.attr.Extra(drop_rate=0.4),

　　127 act=paddle.activation.Linear())

　　128

　　129 out = paddle.layer.fc(

　　130 input=dropout, size=class_dim, act=paddle.activation.Softmax())

　　131

　　132 # fc for output 1

　　133 pool_o1 = paddle.layer.img_pool(

　　134 name="pool_o1",

　　135 input=ince4a,

　　136 num_channels=512,

　　137 pool_size=5,

　　138 stride=3,

　　139 pool_type=paddle.pooling.Avg())

　　140 conv_o1 = paddle.layer.img_conv(

　　141 name="conv_o1",

　　142 input=pool_o1,

　　143 filter_size=1,

　　144 num_filters=128,

　　145 stride=1,

　　146 padding=0)

　　147 fc_o1 = paddle.layer.fc(

　　148 name="fc_o1",

　　149 input=conv_o1,

　　150 size=1024,

　　151 layer_attr=paddle.attr.Extra(drop_rate=0.7),

　　152 act=paddle.activation.Relu())

　　153 out1 = paddle.layer.fc(

　　154 input=fc_o1, size=class_dim, act=paddle.activation.Softmax())

　　155

　　156 # fc for output 2

　　157 pool_o2 = paddle.layer.img_pool(

　　158 name="pool_o2",

　　159 input=ince4d,

　　160 num_channels=528,

　　161 pool_size=5,

　　162 stride=3,

　　163 pool_type=paddle.pooling.Avg())

　　164 conv_o2 = paddle.layer.img_conv(

　　165 name="conv_o2",

　　166 input=pool_o2,

　　167 filter_size=1,

　　168 num_filters=128,

　　169 stride=1,

　　170 padding=0)

　　171 fc_o2 = paddle.layer.fc(

　　172 name="fc_o2",

　　173 input=conv_o2,

　　174 size=1024,

　　175 layer_attr=paddle.attr.Extra(drop_rate=0.7),

　　176 act=paddle.activation.Relu())

　　177 out2 = paddle.layer.fc(

　　178 input=fc_o2, size=class_dim, act=paddle.activation.Softmax())

　　179

　　180 return out, out1, out2