VGGNet是牛津大学计算机视觉组(Visual Geometry Group)和Google Deepmind公司研究员一起研发的深度卷积神经网络。VGGNet在AlexNet的基础上探索了卷积神经网络的深度与性能之间的关系,通过反复堆叠33的小型卷积核和22的最大池化层,VGGNet构筑的16~19层卷积神经网络模型取得了很好的识别性能,同时VGGNet的拓展性很强,迁移到其他图片数据上泛化能力很好,而且VGGNet结构简洁,现在依然被用来提取图像特征。
转载https://blog.csdn.net/wsLJQian/article/details/78411044#1.input_data.py (vgg16模型的训练:16层的一个模型(13个由卷积+池化和3个全连接层组成)
https://blog.csdn.net/GOGO_YAO/article/details/80348200
CIFAR-10数据集VGG19实现:
https://blog.csdn.net/laurenitum0716/article/details/79313749