VGG16是一个预训练的卷积神经网络模型，常用于深度学习。其结构从上往下、从左往右阅读，包括多个卷积层和池化层。以VGG16为例，输入为224x224x3的图像，卷积层如conv3-64表示3x3的卷积核，64个这样的核。卷积过程中，3个通道的输入通过3x3卷积核进行卷积并合并为1个通道，随着层数加深，内存使用增大。VGG中的卷积步长为1，最大池化层步长为2。
Vgg16这个名词对于要做神经网络深度学习的人来说一定不陌生，当我们在看相关的教程或者案例的时候，都会出现Vgg16。那么它到底是什么？
Vgg16是一个卷积神经网络的模型，它是一个被预训练好的模型。
Vgg模型（网上配图）
每次网上都是贴出这个网络模型结构就不了了之，我就来仔细说一下（个人理解，欢迎指出错误）。首先这个网络模型结构要从上往下看，从左往右看。A、A-LRN、B、C、D都是vgg模型。其中较为出名的就是vgg16（D）以及vgg19（E），我就以D举例来说明该图。
输入input(224*224*3)意思是输入的图片分辨率大小为224*224，通道数为3（RGB三个分量）。卷积层conv3-64。3代表着卷积核大小为3*3，其中的含义为卷积核高度与宽度。64代表着这一层卷积中有64个大小为3*3卷积核，意味着要这层每个通道要计算64次卷积操作，其中每层有3个通道。
如下Keras中vgg16代码片段（第一层conv）
最低0.47元/天 解锁文章
扫一扫
1587
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
