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
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。
