经典网络VGG16
结构
VGG中根据卷积核大小和卷积层数目的不同，可分为A，A-LRN,B,C,D,E共6个配置(ConvNet Configuration)，其中以D,E两种配置较为常用，分别称为VGG16和VGG19。
下图给出了VGG的六种结构配置：
上图中，每一列对应一种结构配置。例如，图中绿色部分即指明了VGG16所采用的结构。
我们针对VGG16进行具体分析发现，VGG16共包含：
- 13个卷积层（Convolutional Layer），分别用conv3-XXX表示
- 3个全连接层（Fully connected Layer）,分别用FC-XXXX表示
- 5个池化层（Pool layer）,分别用maxpool表示
其中，卷积层和全连接层具有权重系数，因此也被称为权重层，总数目为13+3=16，这即是
VGG16中16的来源。(池化层不涉及权重，因此不属于权重层，不被计数)。
特点
VGG16的突出特点是简单，体现在：
-
卷积层均采用相同的卷积核参数
卷积层均表示为
conv3-XXX，其中conv3说明该卷积层采用的卷积核的尺寸(kernel size)是3，即宽（width）和高（height）均为3，3*3是很小的卷积核尺寸，结合其它参数（步幅stride=1，填充方式padding=same），这样就能够使得每一个卷积层(张量)与前一层（张量）保持相同的宽和高。XXX代表卷积层的通道数。 -
池化层均采用相同的池化核参数
池化层的参数均为2××2，步幅stride=2，max的池化方式，这样就能够使得每一个池化层（张量）的宽和高是前一层（张量）的1212。
-
模型是由若干卷积层和池化层堆叠（stack）的方式构成，比较容易形成较深的网络结构（在2014年，16层已经被认为很深了）。
综合上述分析，可以概括VGG的优点为: Small filters, Deeper networks.
块结构
我们注意图1右侧，VGG16的卷积层和池化层可以划分为不同的块（Block），从前到后依次编号为Block1~block5。每一个块内包含若干卷积层和一个池化层。例如：Block4包含：
- 3个卷积层，conv3-512
- 1个池化层，maxpool
并且同一块内，卷积层的通道（channel）数是相同的，例如：
block2中包含2个卷积层，每个卷积层用conv3-128表示,即卷积核为：3x3x3，通道数都是128block3中包含3个卷积层，每个卷积层用conv3-256表示,即卷积核为：3x3x3，通道数都是256
下面给出按照块划分的VGG16的结构图，可以结合图2进行理解：
VGG的输入图像是 224x224x3 的图像张量(tensor),随着层数的增加，后一个块内的张量相比于前一个块内的张量：
- 通道数翻倍，由64依次增加到128，再到256，直至512保持不变，不再翻倍
- 高和宽变减半，由 224→112→56→28→14→7
权重参数
尽管VGG的结构简单，但是所包含的权重数目却很大，达到了惊人的139，357，544个参数。这些参数包括卷积核权重和全连接层权重。
- 例如，对于第一层卷积，由于输入图的通道数是3，网络必须学习大小为3x3，通道数为3的的卷积核，这样的卷积核有64个，因此总共有（3x3x3）x64 = 1728个参数
- 计算全连接层的权重参数数目的方法为：前一层节点数×本层的节点数前一层节点数×本层的节点数。因此，全连接层的参数分别为：
-
- 7x7x512x4096 = 1027,645,444
- 4096x4096 = 16,781,321
- 4096x1000 = 4096000
代码
def vgg16(input_shape=(224, 224, 3), classes=20):inputs = Input(shape=input_shape) # (224, 224, 3)x = layers.Conv2D(64, kernel_size=3, strides=1, padding='same', activation='relu')(inputs) # (224, 224, 64)x = layers.Conv2D(64, kernel_size=3, strides=1, padding='same', activation='relu')(x) # (224, 224, 64)x = layers.MaxPool2D(pool_size=(2, 2), strides=2)(x) # (112, 112, 64)x = layers.Conv2D(128, kernel_size=3, strides=1, padding='same', activation='relu')(x) # (112, 112, 128)x = layers.Conv2D(128, kernel_size=3, strides=1, padding='same', activation='relu')(x) # (112, 112, 128)x = layers.MaxPool2D(pool_size=(2, 2), strides=2)(x) # (56, 56, 128)x = layers.Conv2D(256, kernel_size=3, strides=1, padding='same', activation='relu')(x) # (56, 56, 256)x = layers.Conv2D(256, kernel_size=3, strides=1, padding='same', activation='relu')(x) # (56, 56, 256)x = layers.Conv2D(256, kernel_size=1, strides=1, padding='same', activation='relu')(x) # (56, 56, 256)x = layers.MaxPool2D(pool_size=(2, 2), strides=2)(x) # (28, 28, 256)x = layers.Conv2D(512, kernel_size=3, strides=1, padding='same', activation='relu')(x) # (28, 28, 512)x = layers.Conv2D(512, kernel_size=3, strides=1, padding='same', activation='relu')(x) # (28, 28, 512)x = layers.Conv2D(512, kernel_size=1, strides=1, padding='same', activation='relu')(x) # (28, 28, 512)x = layers.MaxPool2D(pool_size=(2, 2), strides=2)(x) # (14, 14, 512)x = layers.Conv2D(512, kernel_size=3, strides=1, padding='same', activation='relu')(x) # (14, 14, 512)x = layers.Conv2D(512, kernel_size=3, strides=1, padding='same', activation='relu')(x) # (14, 14, 512)x = layers.Conv2D(512, kernel_size=1, strides=1, padding='same', activation='relu')(x) # (14, 14, 512)x = layers.MaxPool2D(pool_size=(2, 2), strides=2)(x) # (7, 7, 512)x = layers.Flatten()(x) # (7*7*512)x = layers.Dropout(rate=0.5)(x)x = layers.Dense(4096)(x) # (4096)x = layers.Dropout(rate=0.5)(x)x = layers.Dense(4096)(x) # (4096)x = layers.Dense(classes)(x) # (classes)outputs = layers.Softmax()(x)model = Model(inputs, outputs)return model
