每日一问：简单介绍一下VGG网络。
「深度学习基础」深度学习卷积讲解及代码实现
一文了解深度学习面试应该如何准备
「AI算法面试」机器学习知识点概览
「深度学习模型」模型量化压缩
C++编程的三大难解问题
01VGG简介
年ImageNet大赛火热异常，高潮迭起，VGG拿到的是第二名，而第一名是GoogLeNet。
VGG模型在这次比赛上输给了GoogLeNet，但是在迁移学习任务中的表现要优于googLeNet。
从图像中提取CNN特征，VGG模型是首选算法，VGG16更加常用。
缺点：参数量有M之多，需要更大的存储空间。
VGG层数计算：VGG16有13层conv+3层fc。
02模型特点
1、VGG都是序列模型，Keras使用Sequential()建立模型，然后加层就好了；
2、整个网络都使用了同样大小的卷积核尺寸（3*3）和最大池化尺寸（2*2）；
3、使用小卷积核代替打的卷积核，一方面减少参数量，另一方面加深了网络，使得CNN对特征的学习能力更强，例如两个3*3的卷积层串联相当于1个5*5的卷积层；
4、VGGNet在训练时一般使用预训练模型，这样训练收敛的速度更快。
03结束语
今天的分享内容就结束了。
我将与您分享AI算法面试所需的准备知识。实际上，这不仅限于深度学习和计算机视觉，还包括模型算法原理，模型训练，模型转换优化，模型部署和深度学习框架。此外，还有C++，数据结构和编译底层等。
欢迎大家的