深度学习入门：CNN经典网络模型VGGNet与GoogLeNet的架构解析与实践指南

1次阅读

共计 2725 个字符，预计需要花费 7 分钟才能阅读完成。

卷积神经网络（CNN）是计算机视觉领域的基石，而 VGGNet 和 GoogLeNet 作为其中的经典模型，不仅具有里程碑意义，更是理解现代 CNN 架构的绝佳起点。VGGNet 以其简洁的深度堆叠结构闻名，GoogLeNet 则通过创新的 Inception 模块展现了网络设计的另一种思路。对于初学者而言，掌握这两种模型能快速建立对 CNN 的直观认识，并为后续学习更复杂网络（如 ResNet）打下基础。

VGGNet 的核心思想是使用连续的 3×3 小卷积核替代大尺寸卷积核（如 5×5 或 7×7），这种设计有两个显著优势：

在相同感受野下，多个小卷积核比单个大卷积核具有更少的参数量。例如，三个 3×3 卷积堆叠（不含非线性层）的参数量为 3×(3×3×C×C)=27C²，而一个 7×7 卷积的参数量为 49C²。
通过增加网络深度（层数），可以引入更多非线性激活函数（ReLU），增强模型的表达能力。

VGGNet 常见的有 VGG16 和 VGG19 两种配置，数字代表带有可训练参数的层数（不含池化层）。所有隐藏层都使用 ReLU 激活函数，并在最后接三个全连接层。

GoogLeNet 的最大突破是提出了 Inception 模块，其核心设计理念是：

在同一层上并行应用不同尺度的卷积运算（1×1、3×3、5×5）和池化操作
使用 1×1 卷积（” 网络中的网络 ”）进行降维，控制计算量
通过多尺度特征融合增强模型对不同大小目标的识别能力

这种结构显著减少了参数量（GoogLeNet 约 500 万参数，VGG16 约 1.38 亿），同时保持了较高的识别准确率。

模型	参数量	FLOPs（百万）	Top- 5 错误率（ImageNet）
VGG16	138M	15,500	7.4%
GoogLeNet	5M	1,500	6.7%

import torch.nn as nn

class VGG16(nn.Module):
    def __init__(self, num_classes=10):
        super(VGG16, self).__init__()
        # 特征提取部分
        self.features = nn.Sequential(
            # Block 1: 2 个 Conv+ReLU -> MaxPool
            nn.Conv2d(3, 64, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(64, 64, kernel_size=3, padding=1),
            nn.ReLU(inplace=True),
            nn.MaxPool2d(kernel_size=2, stride=2),

            # Block 2-5: 类似结构，通道数逐渐增加
            # ...（完整实现应包含所有 5 个 block）)
        # 分类器部分
        self.classifier = nn.Sequential(nn.Linear(512*7*7, 4096),  # 假设输入为 224x224
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, 4096),
            nn.ReLU(inplace=True),
            nn.Dropout(),
            nn.Linear(4096, num_classes),
        )

    def forward(self, x):
        x = self.features(x)
        x = x.view(x.size(0), -1)  # 展平
        x = self.classifier(x)
        return x

class Inception(nn.Module):
    def __init__(self, in_channels, ch1x1, ch3x3red, ch3x3, ch5x5red, ch5x5, pool_proj):
        super(Inception, self).__init__()
        # 1x1 卷积分支
        self.branch1 = nn.Sequential(nn.Conv2d(in_channels, ch1x1, kernel_size=1),
            nn.ReLU(inplace=True)
        )

        # 1x1->3x3 分支
        self.branch2 = nn.Sequential(nn.Conv2d(in_channels, ch3x3red, kernel_size=1),
            nn.ReLU(inplace=True),
            nn.Conv2d(ch3x3red, ch3x3, kernel_size=3, padding=1),
            nn.ReLU(inplace=True)
        )

        # 其他分支类似...

    def forward(self, x):
        # 合并各分支输出
        return torch.cat([self.branch1(x),
            self.branch2(x),
            # ... 其他分支
        ], 1)