6、VGG16
优点：
1、连续使用小的卷积核来替代一个大的卷积核，生成同样的结果，但是参数量会变少，参数量越少越不容易过拟合
2、一般卷积conv后会接relu进行非线性变换，连续两次卷积会有两次非线性变换，增加了非线性变换，layer层数就越多，网络越深，而网络越深，就可以拟合更加复杂的数据
解释：
conv3-64：64个3*3的卷积
使用1*1卷积核的好处：增加通道数
神经网络越深越容易梯度消失
分类:
CNN：卷积神经网络
优点：
1、连续使用小的卷积核来替代一个大的卷积核，生成同样的结果，但是参数量会变少，参数量越少越不容易过拟合
2、一般卷积conv后会接relu进行非线性变换，连续两次卷积会有两次非线性变换，增加了非线性变换，layer层数就越多，网络越深，而网络越深，就可以拟合更加复杂的数据
解释：
conv3-64：64个3*3的卷积
使用1*1卷积核的好处：增加通道数
神经网络越深越容易梯度消失
【推荐】国内首个AI IDE，深度理解中文开发场景，立即下载体验Trae
【推荐】编程新体验，更懂你的AI，立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包，你的智能百科全书，全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell：AI 加持，快人一步
· 全程不用写代码，我用AI程序员写了一个飞机大战
· DeepSeek 开源周回顾「GitHub 热点速览」
· 记一次.NET内存居高不下排查解决与启示
· MongoDB 8.0这个新功能碉堡了，比商业数据库还牛
· 白话解读 Dapr 1.15：你的「微服务管家」又秀新绝活了