经过前两天的学习,对深度学习的网络都有了一定的了解,所谓深度,其实就是网络的深度,今天来看一下另一个经典的卷积神经网络: VGG-16 VGG-16后面跟的16表示网络的层数,一般认为,带参数的网络才看作一层,而池化层是不需要计算参数的,因此池化层通常不算在里面: 卷积层共2+2+3+3+3=13层;全连接层有3层。加起来一共16层。 因为网络层数很多,像上一篇文章那样去写这16层网络会显得很麻烦,因此这里用了一个ConvPool类,将卷积层和池化层封装: class ConvPool(flu