tensorflow搭建VGG系列卷积神经网络

一、VGG简介

  VGG卷积神经网络出自于《Very Deep Convolutional Networks for Large-Scale Image Recognition》这篇论文，在2014年，由牛津大学VGG实验室的卡伦·西蒙尼安（Karen Simonyan） 和安德鲁·齐瑟曼（ Andrew Zisserman）共同发表的。其研究成果在 ILSVRC-2014 挑战赛 ImageNet 分类任务上获得亚军。
  VGG卷积神经网络最大的意义在于，将神经网络的层数推向更深，并达到了在当时来说一流的分类和定位效果。我们常说的VGG系列其实包含了：VGG11、VGG13、VGG16、VGG19等一系列的网络模型。其中11、13、16、19表示的是神经网络的层数。可见当时已经将神经网络推向了19层，而在此之前的AlexNet只有8层，LeNet才只有5层。

二、VGG网络结构

  谈到CNN（卷积神经网络），卷积层、激活函数、池化层、全连接层、BN层、填充等这些字眼太熟悉了，卷积操作有那几种形式？激活函数该如何选择？池化层有那几种？全连接层的作用是什么？填充有那几种方式？这些都与神经网络的搭建息息相关。
 
  了解完这些基础知识后（大佬忽视~），我们再来看看下面的网络结构：（图片来自论文）

  读完了上面的那篇博文，我相信这个图就不难理解了。如果还不懂的话，评论私聊我，发你10G资料补补ÿ