本文重点
前面我们使用pytorch搭建了卷积神经网络LeNet-5,AlexNet,本文我们学习卷积神经网络VGG，VGG相比于前面的两个神经网络而言比较深，我们知道网络模型越深那么就难以训练，但是VGG效果比较好。
Vgg使用了更小的滤波器，同时使用了更深的网络结构，AlexNet只有8层网络结构，但是VGG有16到19层，它一般使用3*3的卷积过滤器，还有2*2的最大池化层，它之所以使用很小的滤波器是因为小的滤波器的感受野和一个大的滤波器的感受野是相同的，但是小的滤波器能够有效的减少参数的数量。
VGG
VGG是由牛津大学提出的，在当年的ImageNet大赛中取得了第二名的成绩，第一名就是之后我们要搭建的Google的GoogleNet，我们先来看一下VGG模型，VGG可以看成是加深版本的AlexNet，它的特点也是连续conv多，计算量巨大，它的模型结构如下所示：
我们可以看到VGG有很多，每一列都是一个VGG模型，区别就是层数不同，使用技巧不同，目前最好的VGG16，也就是说VGG-16的16指的是conv
