**1 **問題

VGG網絡由牛津大學的Oxford Visual Geometry Group于2015年提出。從誕生之后就收到了學界的廣泛關注。

VGG網絡，可以應用在人臉識別、圖像分類等方面。VGG有兩種結構，分別為16層和19層。具體結構在其文獻做了詳細表述，如下圖所示。

為了學習VGG網絡，本組擬采用配置A在MNIST數據集上進行圖像分類實驗。

**2 **方法

首先MNIST的數據大小為28*28，需要進行resize才能作為VGG網絡的輸入；同時，本次實驗只需要進行10分類，因此將網絡本身的最后一層原做1000分類的soft-max層移除，替換為FC-10。網絡實現代碼如下：

獲取數據后進行resize操作：

實驗部分代碼如下:

實驗結果：

**3 **結語

VGG主要工作是證明了增加網絡的深度能夠在一定程度上影響網絡最終的性能，從本次實驗也可以看出，短時間少周期的訓練并不能使得如此龐大的網絡擁有很好的效果，而在比較小的網絡如LeNet-5這樣的網絡上往往幾個周期就能得到較高的精度。遺憾的是因為實驗設備性能限制，網絡的運行速度很慢，受限于內存大小，BatchSize的大小受限，最大只能到32，沒有充足的調整空間。