PyToch 深度学习 || 3. 卷积神经网络 | Ch3.3 卷积神经网络 VGGNeT-16

卷积神经网络 VGGNeT-16

VGGNet是ImageNet 2014的亚军，总结起来就是它使用了更小的滤波器，同时使用了更深的网络结构，AlexNet只有8层，而VGGNet有16-19层网络，也不像AlexNet那样使用 11x11 这么大的卷积核，它只使用 3x3 的 卷积滤波器和 2x2 的大池化层。

主要贡献：

• 使用多个小卷积代替较大的卷积层，两个33的卷积核堆叠相当于55卷积核的视野（第一层过33后第二层继续为33的卷积）减少参数和增加非线性映射，也提升了网络9 深度。
• 小池化层。AlexNet的33的池化核，VGG全部采用22的
• 更多的卷积核使特征图的通道数更多，特征提取更全面，第一层64个通道，后续翻倍，最多为512
• 测试阶段不适用全连接，替换为三个卷积层，从而不再局限于固定尺寸的输入，可以接受任意的宽度或者高。

VGGNet包含了6个版本VGG11、VGG11-LRN（第一层采用LRN）、VGG13、VGG16-1、VGG16-3和VGG19。不同的后缀代表不不同的网络层数。VGG16-1表示后三组卷积块中最后一层卷积采用卷积核尺寸为11，-3为33。19位后三组每组多一层卷积。19为3