感谢北京大学公开课，本文为个人学习笔记，后续会整理成系统体系。
1 网络结构
VGG-16 2 2 3 3 3VGG-19 2 2 3 4 4
2 VGG网络示意图
3 VGG-16网路结构实现
- 注意池化层卷积核使用了（2,2），步长使用了（2,2），可以实现输入图像维度降为一半
- vgg-block内的卷积层都是同结构的意味着输入和输出的尺寸一样，且卷积层可以堆叠复用，其中的实现是通过
统一的size为3×3的kernel size + stride1 + padding(same)实现。 - maxpool层将前一层(vgg-block层)的特征缩减一半 使得尺寸缩减的很规整，从
224-112-56-28-14-7。其中是通过pool size2 + stride2实现深度较深，参数量够大较深的网络层数使得训练得到的模型分类效果优秀，但是较大的参数对训练和模型保存提出了更大的资源要求。 较小的filter size/kernel size 这里全局的kernel size都为3×3，相比以前的网络模型来说，尺寸足够小
4 代码
keras默认Strdes步长为1
