【图像分类】卷积神经网络之VGGNet网络模型实现花卉图像识别（附代码和数据集，PyTorch框架）

写在前面：
首先感谢兄弟们的关注和订阅，让我有创作的动力，在创作过程我会尽最大能力，保证作品的质量，如果有问题，可以私信我，让我们携手共进，共创辉煌。

在上一篇博文中我们对VGGNet网络模型的结构进行了剖析，本篇博文，我们将使用PyTorch搭建VGGNet实现花卉识别，附完整的项目代码和数据集，可以说是全网最详细的手把手教程，初学者可以很好的入门，其他研究者可以加深VGGNet的理解。

先看本项目训练的VGGNet模型的识别效果：

VGG网络是卷积神经网络中的一种，在 2014 的 ImageNet 竞赛中，获得了定位任务第一名和分类任务第二名的好成绩。总结起来就是它使用了更小的滤波器，同时使用了更深的结构，AlexNet只有8层网络，而VGG有16层–19层网络，也不像AlexNet网络使用11×11那么大的滤波器，它只使用3×3的滤波器和2×2的池化层。

本文基于PyTorch深度学习框架搭建VGGNet，并用于花卉图像识别，是一个很有意义的教程，希望大家可以学会训练图像分类模型的流程以及套路，更深层次的了解VGGNet网络结构。

图像分类项目实战往期回顾：

【图像分类