VGG16 初了解
https://blog.csdn.net/Errors_In_Life/article/details/65950699
卷积神经网络
卷积、池化、步长、卷积核、padding
VGG16
16层、input：224 * 224 RGB
Conv3-512 → 第三层卷积后维度变成512
Conv3_2 s=2 → 第三层卷积层里面的第二子层，滑动步长等于2（每次移动两个格子）
过程
1）从input到conv1
300 * 300 * 3 -> 300 * 300 * 64，用了64个3 * 3 * 3的卷积核，然后padding=1就好
2）从conv1到conv2
pooling一下，2 * 2 * 64 s=2
变成了150 * 150 * 64，步长是2，滑动的矩阵本身没有重叠，刚好减半
3）从conv2到conv3
150 * 150 * 128有一个池化，变成75 * 75 * 128
然后再变成75 * 75 * 256
4）从conv3到conv4
75不是偶数，所以加1然后再除以2，就可以池化了
就变成38 * 38 * 256
后面就类似了
最后会有dropout和dense层，然后输出就好
https://blog.csdn.net/gbyy42299/article/details/78969261
这个说了具体参数大小怎么算