本文主要是介绍1.8.2 卷积神经网络近年来在结构设计上的主要发展和变迁——VGGNet，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
1.8.2 卷积神经网络近年来在结构设计上的主要发展和变迁——VGGNet
前情回顾：1.8.1 卷积神经网络近年来在结构设计上的主要发展和变迁——AlexNet
VGGNet出现在2014年的ILSVRC上，单个模型就将图像分类任务的Top-5错误率降低到8.0%；如果采用多模型集成(ensemble)，则可以将错误率进一步降至6.8%。相比于AlexNet，VGGNet做了如下改变。
-
用多个3×3小卷积核代替之前的5×5、 7×7 等大卷积核，这样可以在更少的参数量、更小的计算量下，获得同样的感受野以及更大的网络深度。
-
用 2×2 池化核代替之前的 3×3 池化核。
-
去掉了局部响应归一化模块。
整体来说，VGGNet网络结构设计更加简洁，整个网络采用同一种卷积核尺寸 (3×3) 和池化核尺寸 (2×2) ，并重复堆叠了很多基础模块，最终的网络深度也达到了近20层。
想要详细了解VGGNet网络，点这里：VGGNet网络（2014年提出）
下集预告：1.8.3 卷积神经网络近年来在结构设计上的主要发展和变迁——GoogleNet/inception-v1
参考文献：
《百面深度学习》 诸葛越 江云胜主编
出版社：人民邮电出版社（北京）
ISBN：978-7-115-53097-4
2020年7月第1版（2020年7月北京第二次印刷）
这篇关于1.8.2 卷积神经网络近年来在结构设计上的主要发展和变迁——VGGNet的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
