VGG是一个很经典的CNN模型，接触深度学习的人大概都有所耳闻。VGG在2014年被提出并拿来参加ImageNet挑战赛，最终实现了92.3%的正确率，得到了当年的亚军。虽然多年过去，又有很多新模型被提出，但是由于VGG简单优美的结构和稳定的性能，它现在仍然被广泛学习和使用。由于对VGG的讨论网上已经有很多，本文简单介绍VGG的结构并探讨它给我们带来的启发。
一、网络结构
VGG的作者在论文中将它称为是Very Deep Convolutional Network，如上图所示的VGG16网络带权层就达到了16层，这在当时已经很深了。网络的前半部分，每隔2~3个卷积层接一个最大池化层，4次池化共经历了13个卷积层，加上最后3个全连接层共有16层，也正因此我们称这个网络为VGG16。
VGG16不仅结构清晰，层参数也很简单。所有的卷积层都采用3x3的卷积核，步长为1；所有池化层都是2x2池化，步长为2。正因为此，我们看到图片尺寸变化规律，从224x224到112x112等，直到最后变成7x7。同时我们注意到特征图通道的数量也一直在加倍，从64到128最终变成512层。因此VGG16结构图画出来非常美观，实现起来也很规整。