现代卷积神经网络

1.为什么使用汇聚层：用来减小网络输出大小，同时进行相应的特征提取

1-1：平均汇聚层和最大汇聚层：平均用于对更加细化的特征进行提取检测，最大用于对突出特征进行提取检测。平均：图像分割（需要细致描形），场景分类（一个场景由大量细小特征构成）：细，广。最大：识别场景中的物体（具有突出特征），图像分类（特征较少，且鲜明）：特征少而突出

1-2：为什么不在做卷积层的时候把输出做少从而不使用汇聚层：1.汇聚层相当于对细化程度更高的特征图进行浓缩，而不是直接减少特征图细化程度2.还可以有效增大感应视野（层数越多，感应视野越大）

2.一般都是一个卷积加激活再加一个汇聚，也有例外：

 nn.Conv2d(256, 384, kernel_size=3, padding=1), nn.ReLU(),
    nn.Conv2d(384, 384, kernel_size=3, padding=1), nn.ReLU(),
    nn.Conv2d(384, 256, kernel_size=3, padding=1), nn.ReLU(),
    nn.MaxPool2d(kernel_size=3, stride=2),

三层卷积才加汇聚，保持了网络输入输出通道，图形尺寸一致，又增加了网络深度，提高了性能。

3.可以循环生成自定义输出通道以及可指定层数的卷积块——vgg：可以用于轻松构建更复杂的网络。

def vgg_block(num_convs, in_channels, out_channels):
    layers = []
    for _ in range(num_convs):
        layers.append(nn.Conv2d(in_channels, out_channels,
                                kernel_size=3, padding=1))
        layers.append(nn.ReLU())
        in_channels = out_channels
    layers.append(nn.MaxPool2d(kernel_size=2,stride=2))
    return nn.Sequential(*layers)

参数1，指定卷积层数目，参数二指定输入层数目，参数三指定输出层数目。

块的特定：一：kernel_size=3, padding=1，使得输入输出图片尺寸不变，使得输出结果具有规律性。

二：in_channels = out_channels，确保每两个卷积层之间可以衔接。

三：layers.append(nn.MaxPool2d(kernel_size=2,stride=2))，使得每次块的输出结果图片尺寸为原来的一半。

解释：问题1：这里作者在之后选择了

conv_arch = ((1, 64), (1, 128), (2, 256), (2, 512), (2, 512))这样一组参数构造了想要的含有五个vgg块的vgg网络，为什么书本作者选择了使得通道数越来越多的策略：

区分：通道数递增：增加网络的特征识别能力，可以提取更多的更丰富的特征，增加模型精确度

通道数递减：防止过拟合，加快运算

两种策略都可，根据实际选择。

问题2：vgg每一块最后的汇聚层都使得图片尺寸缩小（注：汇聚层不会改变通道数目），为什么：因为卷积做的就是提炼特征，汇聚层做的是特征精