深度学习理论篇之 ( 十五) -- VGG之初探深度之谜

科普知识

机器学习中一个重要的话题便是模型的泛化能力，泛化能力强的模型才是好模型，对于训练好的模型，若在训练集表现差，在测试集表现同样会很差，这可能是欠拟合导致。欠拟合是指模型拟合程度不高，数据距离拟合曲线较远，或指模型没有很好地捕捉到数据特征，不能够很好地拟合数据。

# 前言

SEP.

理论篇的上一期文章中我们分享了AlexNet网络，该网络比之前的深度学习网络又加深了一点，同时采用了大尺寸的卷积，这些较之前都是新颖的改进。今天我们继续来学习一种新的网络架构--VGG，基础部件还是卷积层，但是深度和组合方式却不太一样，最终在公开数据集也提升到了一个新的高度，同时，这个网络将深度学习又推进了一个新的步伐。

VGG网络

今天分享的论文是：Very Deep Convolutional Networks for Large-Scale Image Recognition，一听名字就大概知道啥意思了，翻译过来就是用于大规模图像识别的深度卷积神经网络，这个网络有多深呢？通常来说，最为公认的，包括16层和19层两个版本，最终的网络架构为：VGG16与VGG19。

论文截图：

1.网络结构图

论文中的网络配置图：

图一

网上的网络结构图：

图二

论文地址：https://arxiv.org/pdf/1409.1556.pdf

2.网络解析

今天我们只分享VGG16就好，因为VGG19是差不多的架构，只是网络的深度多一点罢了。仔细观察，图一中的conv3代表的是卷积核为3x3大小的卷积操作，通道数量从3-64-128-256-512的变化，从图二中我们可以看到，原始图像经过网络之后尺寸越来越小，但是中间特征图的通道数却越来越增加，这是什么原理呢？通俗一点的解释是用通道数量的增加来弥补空间信息的减少（因为特征图越来越小）。

VGG16一共包含16层（13层卷积+3层全连接），这里需要记住一点的是通常所说的网络层数是指可以训练的层，池化一类的不算在内哦，因为它只包含了计算操作，没有训练操作哦。

输入层：224x224x3

64通道卷积层块：2层3x3x64的卷积结构，同时采用了padding操作，这样就会保持卷积操作前后特征图大小不变，输出：64x224x224。

maxpooling1: 特征图的尺寸变为原来的一半，输出：64x112x112。

128通道卷积块：2层3x3x128的卷积结构，同时采用了padding操作，这样就会保持卷积操作前后特征图大小不变，输出：128x112x112。

maxpooling2: 特征图的尺寸变为原来的一半，输出：128x56x56。

256通道卷积块：3层3x3x256的卷积结构，同时采用了padding操作，这样就会保持卷积操作前后特征图大小不变，输出：256x56x56。

maxpooling3: 特征图的尺寸变为原来的一半，输出：256x28x28。

512通道卷积块：3层3x3x256的卷积结构，同时采用了padding操作，这样就会保持卷积操作前后特征图大小不变，输出：512x28x28。

maxpooling4: 特征图的尺寸变为原来的一半，输出：512x14x14。

512通道卷积块：3层3x3x256的卷积结构，同时采用了padding操作，这样就会保持卷积操作前后特征图大小不变，输出：512x14x14。

maxpooling5: 特征图的尺寸变为原来的一半，输出：512x7x7。

全连接层1：输入：512*7*7，输出：4096。

全连接层2：输入：4096，输出：4096。

全连接层3：输入：4096，输出：1000。因为是100分类。

以上就是整个VGG16的结构解析啦，该网络主要证明了越深的网络可以学到的信息越多，也就提升了最终的分类精度，但是网络是不是越深就越好呢？或者说越深有什么限制吗？这个问题我们后期再说。此外，越深的网络所消耗的显存也越多，特别是最后两个4096的全连接层，因此这样的网络最好在1080以上的显卡跑起来才会比较好，不然速度非常慢。

END

结语

今天分享就到这里啦，认真学习的同学们可以好好看下VGG网络原始论文哦，了解下作者设计这个网络的初衷，以及最终如何证明该网络的有效性的，下周我们继续VGG16之TensorFlow实践。

再会！

编辑：玥怡居士|审核：小圈圈居士