VGG，也叫做VGG-16網絡。這個網絡結構很有意思，相必實現這個網絡的作者是有點強迫癥，不然整個網絡為什么能夠如此的協調一致。基本上每一次的內容都大同小異，2層或3層卷積層，激活一下，池化一下，就接下一層了。

值得注意的一點是，VGG-16網絡沒有那么多超參數，這是一種只需要專注于構建卷積層的簡單網絡。首先用3×3，步幅為1的過濾器構建卷積層，padding參數為same。然后用一個2*2，步幅為2的過濾器構建最大池化層。因此VGG網絡的一大優點是它確實簡化了神經網絡結構。

假設要識別一張圖像224×224×3，在最開始的兩層用64個3×3，步幅為1，padding參數為same的過濾器對輸入圖像進行卷積，輸出結果是224×224×64，網絡結構如下：

?注記：

1。VGG-16的這個數字16，就是指在這個網絡中包含16個卷積層和全連接層。確實是個很大的網絡，總共包含1.38億個參數，即便以現在的標準來看都是非常大的網絡。但VGG-16結構并不復雜，這點非常吸引人，而且這種網絡結構很規整，都是幾個卷積層后面跟著可以壓縮圖像大小的池化層，池化層縮小圖像的高度和寬度。同時，卷積層的過濾器數量變化存在一定的規律，由

作者可能認為512已經足夠大了，所以后面的層就不再翻倍了。無論如何，每一步都進行翻倍，或者說在每一組卷積層進行過濾器翻倍操作，正是設計此種網絡結構的另一個簡單原則。這種相對一致的網絡結構對研究者很有吸引力，而它的主要缺點是需要訓練的特征數量非常巨大。文中揭示了，隨著網絡的加深，圖像的高度和寬度都在以一定的規律不斷縮小，每次池化后剛好縮小一半，而通道數量在不斷增加，而且剛好也是在每組卷積操作后增加一倍。也就是說，圖像縮小的比例和通道數增加的比例是有規律的。從這個角度來看，這篇論文很吸引人。

總結

以上是生活随笔為你收集整理的VGG-16网络结构解析的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。