【论文复现】VGG框架讲解以及VGG16复现，迁移学习自己的数据。tensorflow。

论文链接，至于论文我没仔细看，我只学习了其框架。

但是需要注意的是：

在训练期间，ConvNets的输入是固定大小的224×224 RGB图像。 唯一预处理是从每个像素中减去在训练集上计算的平均RGB值，(eg:VGG16是：VGG_MEAN = tf.constant([123.68, 116.779, 103.939], dtype=tf.float32)）处理时候转换成了RGB→BGR格式。图像通过一堆卷积（转换）层，使用具有非常小的感知域的滤波器： 3×3（这是捕捉左/右，上/下，中心概念的最小尺寸）。 在其中一种配置中，我们还使用1×1卷积滤波器，可以看作是输入通道的线性变换（后面是非线性）。 卷积步幅固定为1个像素; 卷积层输入的空间填充使得在卷积之后保持空间分辨率，即对于3×3个卷积层，填充是1个像素。 空间池由五个最大池组执行，这些层跟随一些转换。 图层（并非所有转换图层都跟随最大池）。 最大池化在2×2像素窗口上执行，步幅为2。

卷积层(在不同的体系结构中具有不同的深度)的stack之后是三个完全连接(FC)层:前两个层各有4096个通道，第三个层执行1000路ILSVRC分类，因此包含1000个通道(每个类一个)。最后一层是so