第一次使用多個小的卷積核 來代替大的卷積核，兩個3 * 3代替乙個5 * 5， 三個3 * 3代替7 * 7。
使用多個小的卷積核可以有效地降低神經網路所需要的的引數。
並且並沒減少的感受野。
唯一的不足是，在進行反向傳播時，中間的卷積層可能會導致占用更多的記憶體。
感受野計算公式：p(i+1)=pi + (kernel - 1 )stride 預設p1 = 1 pi為第i層感受野的大小。
eg: 5 * 5 所需要的引數個數為：55 *c=25c 兩個3 * 3 所需要的引數：2 *3 *3 *c=18c
此外vgg神經網路採用了droupout ，
droupout 優點：減少了過擬合程度，提高了神經網路的訓練效率
卷積神經網路之VGG
vgg可以看成是加深版的alexnet，整個網路由卷積層和全連線層疊加而成，和alexnet不同的是，vgg中使用的都是小尺寸的卷積核 3 times3 結構簡潔，如下圖vgg 19的網路結構 對比，前文介紹的alexnet的網路結構圖，是不是有種賞心悅目的感覺。整個結構只有 3 times3 的卷...
5 VGG16神經網路
在卷積層將啟用函式設定為none。使用batch normalization。使用啟用函式啟用。只能用於tensor來返回shape，但是是乙個元組 即 2,3 需要通過as list 的操作轉換成list 即 2,3 輸入 1 value 四維張量 batch,height,width,chann...
卷積神經網路 經典神經網路模型之VGG 16
vgg 16其中的16含義為 含有權重引數的有16層，共包含引數約為1.38億，這是乙個相當大的網路。但是其網路結構很規整簡潔，沒有那麼多的超引數，專注於構建簡單的網路結構 都是幾個卷積層後面跟乙個最大池化層 通過不斷的加深網路結構來提公升效能 但是由此也會帶來訓練的特徵數量非常大的缺點。其網路結構...