深度学习——VGG网络

VGG网络：ImageNet-2104竞赛第二，是网络改造的首选基础网络（图片描述，图片问答）；

一个大的卷积核分解为连续多个小卷积核；应用了核分解的思想：将7X7核->3个3X3核（由ReLU连接）

对应的参数数量由49通道数变为27通道数；

优点是减少参数，显存可用的容量对应就多了，降低了计算，增加了深度；

它继承了AlexNet结构的特点：简单和有效；

他的16层网络应用性能较好且广；

分析下16weight layers;

输入图像大小：224X224X3

2个3X3相当于1个5X5；

3个3X3相当于1个7X7；

共5个池化层，3个FC层

拆解时通道数不便，依次是：64，128,256,512,512；