vgg理解

Vgg16这个名词对于要做神经网络深度学习的人来说一定不陌生，当我们在看相关的教程或者案例的时候，都会出现Vgg16。那么它到底是什么？

Vgg16是一个卷积神经网络的模型，它是一个被预训练好的模型。

                        Vgg模型（网上配图）

        每次网上都是贴出这个网络模型结构就不了了之，我就来仔细说一下（个人理解，欢迎指出错误）。首先这个网络模型结构要从上往下看，从左往右看。A、A-LRN、B、C、D都是vgg模型。其中较为出名的就是vgg16（D）以及vgg19（E），我就以D举例来说明该图。

       输入input(224*224*3)意思是输入的图片分辨率大小为224*224，通道数为3（RGB三个分量）。卷积层conv3-64。3代表着卷积核大小为3*3，其中的含义为卷积核高度与宽度。64代表着这一层卷积中有64个大小为3*3卷积核，意味着要这层每个通道要计算64次卷积操作，其中每层有3个通道。

如下Keras中vgg16代码片段（第一层conv）

#图像周围补一圈0，防止卷积操作后图片大小发生变化 设定图片输入大小
model.add(ZeroPadding2D((1,1),input_shape=(3,224,224)))  
#设置卷积核个数为64个 每个卷积核大小为3*3 
model.add(Convolution2D(64, 3, 3, activation='relu'))  

VGG16里面参数个数变化片段（输入与第一层conv）

INPUT: [224x224x3]        memory:  224*224*3=150K   weights: 0

CONV3-64: [224x224x64]  memory:  224*224*64=3.2M   weights: (3*3*3)*64 = 1,728

       其中INPUT: [224x224x3]代表着输入图片的分辨率为224x224以及通道数为3。memory（内存）使用为224*224*3=150K，即为224个像素点*224个像素点*3颜色通道信息=150K，weights（权重）使用为0。CONV3-64: [224x224x64] 代表内存使用为224*224*64=3.2M，weights: (3*3*3)*64 = 1728代表着盖层权值的个数为1728个。现在来解释一下，首先我们会将input 进行卷积操作，input大小为224*224*3，卷积核为3*3，但是图片每一个区域位置有3个通道，对应3个3*3卷积核，且在卷积前进行了补0操作，保证卷积前后大小不变。相同区域3个通道卷积后合并为1个（可以取平均值），故一次卷积（3个通道同时进行一次卷积，遍历整个图片）后数据为224*224*1，又因为有64个卷积核，故第一层卷积层所需内存为224*224*64=3.2M。卷积核大小为3*3，通道数为3，卷积核个数为64，故最终权值个数为3*3*3*64 = 1728。

        注意在vgg中conv中的step为1，maxpool中的step为2。