VGG16网络结构学习笔记

1. 网络结构

根据卷积核大小和卷积层数，VGG共有6种配置，分别为A，A-LRN，B，C，D，E，其中D和E两种最为常用，即我们所说的VGG16和VGG19。

结构图简介：

1. conv3-64 ：是指第三层卷积后维度变成64，同样地，conv3-128指的是第三层卷积后维度变成128；同时这也就意味着 conv3-64 有64个卷积核
2. input（224x224 RGB image） ：指的是输入图片大小为 $224\times 244$ 的彩色图像，通道为 $3$，即 $224\times 244\times 3$；
3. maxpool ： 是指最大池化，在vgg16中，pooling采用的是 $2\ast 2$ 的最大池化方法
4. FC-4096 ： 指的是全连接层中有4096个节点，同样地，FC-1000为该层全连接层有1000个节点；
5. 最后补充，vgg16每层卷积的滑动步长stride=1，padding=1，卷积核大小为 $3\times 3$；

实际上，最后的 4096 是经验值，1000 是要分类的类别数，不可以小于该数值。所有的激活单元都是 ReLu。其13层卷积层和5层池化层负责进行特征的提取，最后的3层全连接层负责完成分类任务。

2. VGG16模型所需要的内存容量

实际上，在 pytorch 中是可以使用函数命令来计算参数数量的。

3. VGG网络的优势

两个 $3\times 3$ 的卷积堆叠获得的感受野大小，相当一个 $5\times 5$ 的卷积；而3个 $3\times 3$ 卷积的堆叠获取到的感受野相当于一个 $7\times 7$ 的卷积。

• 减少参数，增加了网络深度
• 相当于进行了更多的非线性映射，可以增加网络的拟合/表达能力