VGG16理解

网络上能找到很多VGG的六种网络结构图，这六种结构分为A，A-LRN，B，C，D，E六种，D，E两种结构是常用的，这里使用了Rogn的图：

Rogn用绿色的部分指明了VGG16采用的结构，从这张图能看到，D中有5个卷积块，总共13层卷积层，最后接了3层全连接层，通过下图可以直观看到VGG16的网络结构：
在上图中，红色为最大池化层，黑色为卷积层+ReLU层，蓝色为全连接层和ReLU层，棕色为softmax层，根据类别得分，对图片进行分类。
刚才提到，有5个卷积块，可以看到，每一个卷积块后都接着一个最大池化层，最大池化层的作用是缩小图片的尺寸。

1. 输入的图像是224 * 224 * 3，即通道数为3
2. block1：输入图像后，接上2个卷积层，每个卷积层64个卷积核，通道数为64
3. 最大池化层：将特征图尺寸缩小到112，通道数翻一倍，变为128
4. block2：包含2个卷积层，每个卷积层128个卷积核，128个通道
5. block3：包含3个卷积层，每个卷积层256个卷积核，256个通道
6. block4：包含3个卷积层，每个卷积层512个通道
7. block5：包含3个卷积层，每个卷积层512个通道
8. fc1：第一个全连接层，设置4096个神经元
9. fc2：设置4096个神经元
10. fc3：1000个神经元
    总体上，通道数不断增加，图像尺寸不断减小。