【深度学习】全面理解VGG16模型

VGG16的结构层次

vgg16总共有16层，13个卷积层和3个全连接层，第一次经过64个卷积核的两次卷积后，采用一次pooling，第二次经过两次128个卷积核卷积后，再采用pooling，再重复两次三个512个卷积核卷积后，再pooling，最后经过三次全连接。附上，官方的vgg16网络结构图:

介绍结构图

首先需要看懂上图中的一些式子含义，如conv3-64，conv3-125

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；
2. input（224x224 RGB image） ：指的是输入图片大小为224244的彩色图像，通道为3，即224224*3；
3. maxpool ：是指最大池化，在vgg16中，pooling采用的是2*2的最大池化方法（如果不懂最大池化，下面有解释）；
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. padding：指的是对矩阵在外边填充n圈，padding=1即填充1圈，5X5大小的矩阵，填充一圈后变成7X7大小；
6. 最后补充，vgg16每层卷积的滑动步长stride=1，padding=1，卷积核大小为333；

VGG16模型所需要的内存容量

此处引用大佬的一张图片来说明：