【图像分类】经典网络架构 VGG

因本人刚开始写博客，学识经验有限，如有不正之处望读者指正，不胜感激；也望借此平台留下学习笔记以温故而知新。这一篇文章介绍的是图像分类中的经典的卷积神经网络架构—VGG的学习笔记。 

1  VGG 网络架构

 

2  VGG16 网络架构

最大的特点 ：VGG 网络的结构非常一致，从头到尾全部使用的是 3x3  的卷积和2x2 的 的 max pooling 。

与 AlexNet 相比：
1. 相同点
整体结构分五层；
除 softmax 层外，最后几层为全连接层；
五层之间通过 max pooling 连接。
2. 不同点
使用 3×3 的小卷积核代替 7×7 大卷积核，网络构建的比较深；
由于 LRN 太耗费计算资源，性价比不高，所以被去掉；
采用了更多的 feature map，能够提取更多的特征，从而能够做更多特征的组合。

3  讨论

VGG 优点：
VGGNet 的结构非常简洁，卷积核尺寸（3x3）和最大池化尺寸（2x2）。
验证了通过不断加深网络结构可以提升性能。
后面常被用于pre-trained中。
VGG 缺点：
VGG 耗费更多计算资源，全网评论说训练时长太长（受限资源问题，此处代码略）。