7.2.1 VGG块

$\text{AlexNet}$最大的问题就是加的层很随意，这里加一点那里加一点，结构就不清晰，也就是说我们还不能够很好的回答“如何更深更大”这一个问题
考虑一下这个问题如何回答。想一下我们可能的选项如下

于是VGG就采用了最后一个选项


那么为什么不用$5\times 5$的卷积层呢？实际上试过的，在计算量相同的情况下，由于$5\times 5$的卷积层更大，所以能够叠加的深度就更少，学出来的效果就没有$3\times 3$的好（也就是深但是窄的效果会更好）。所以超参数就是$n$和$m$
最后全连接层那个地方，VGG跟$\text{AlexNet}$一样。简单来说，VGG就是更大更深的$\text{AlexNet}$
可以看下各种网络的对比，如下

横轴是计算速度，纵轴是准确率。可以看到，同一个网络架构（比如都是VGG）有不同的表现，跑得快的准确率低，跑得慢的准确率高（不同的卷积块个数和超参数可以得到不同复杂度的变种）

在vgg_block函数中，不需要更新out_channels，原因如下：

---

1. VGG块的设计原则

VGG的核心思想是：在同一块内，所有卷积层的输出通道数保持一致。例如：

• 若定义 vgg_block(num_convs=2, in_channels=3, out_channels=64)，块内会连续堆叠两个3×3卷积层，每个卷积层的输出通道均为64。
• 第一个卷积层将输入通道从3变为64，第二个卷积层保持输入和输出通道均为64（通过更新in_channels = out_channels实现）。

这种设计让块内的所有卷积层共享相同的通道数，简化参数管理，同时通过堆叠多个小卷积核（3×3）来模拟更大感受野（等效于5×5或7×7）。

---

2. 代码逻辑分析

for _ in range(num_convs):
    # 添加卷积层：输入通道为当前in_channels，输出通道固定为out_channels
    layers.append(nn.Conv2d(in_channels, out_channels, kernel_size=3, padding=1))
    layers.append(nn.ReLU())
    # 更新输入通道为当前块的输出通道（保证下一层的输入与当前输出一致）
    in_channels = out_channels

• 不更新out_channels：因为块内所有卷积层的目标是保持输出通道数一致（由out_channels参数指定），只有输入通道数（in_channels）需要逐层更新。
• 最终效果：无论num_convs是多少，块的输出通道数始终为初始的out_channels值。例如，num_convs=3时，块的输出通道数仍为初始设定的值（如64）。

---

3. 对比其他网络结构

• AlexNet/ResNet：不同阶段的块会逐步增加通道数（如64→128→256），但这是在跨块时通过手动调整out_channels实现的。
• VGG：通过固定块内通道数，仅在跨块时通过池化层后手动调整通道数（例如，下一个块的in_channels设为当前块的out_channels，out_channels设为更大的值）。

---

示例说明

假设定义两个连续的VGG块：

block1 = vgg_block(num_convs=2, in_channels=3, out_channels=64)  # 输出通道64
block2 = vgg_block(num_convs=2, in_channels=64, out_channels=128) # 输出通道128

• 块内：每个块内部的卷积层输出通道数固定（如第一个块固定为64）。
• 跨块：通过手动指定下一个块的in_channels和out_channels来增加通道数（如64→128），这是VGG的分阶段特征提取策略。

---

总结

不更新out_channels是因为VGG块的设计要求同一块内的所有卷积层保持相同的输出通道数，而通道数的增加是通过跨块时手动调整参数实现的。这种设计保证了块内结构的简洁性和一致性，符合VGG“通过堆叠相同配置的块构建深度网络”的核心思想。