TF2-复现VGG网络结构

上期我们分享了LeNet与AlexNet的网络结构，今天我们来利用Tensorflow 2复现VGG16与VGG19的网络结构。

VGG网络结构

VGG16相比AlexNet的一个改进是采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5）。对于给定的感受野（与输出有关的输入图片的局部大小），采用堆积的小卷积核是优于采用大的卷积核，因为多层非线性层可以增加网络深度来保证学习更复杂的模式，而且代价还比较小（参数更少）。

• VGG16包含了16个隐藏层（13个卷积层和3个全连接层），如上图中的D列所示。

• VGG19包含了19个隐藏层（16个卷积层和3个全连接层），如上图中的E列所示。

VGG的网络结构看起来很简洁，但它较为耗计算资源。下面我们分别来实现VGG16与VGG19。

VGG16

#VGG16网络架构
class