很多人想入门做深度学习，但往往翻遍网络看完一篇又一篇所谓的“入门教程”，paper，包括很多深度学习框架官方给出的案例，给人的感觉真的是从入门到放弃。写教程的作者有很多都是技术大神，但写出的东西真的是把原本简简单单的理论说得晦涩难懂，模凌两可。比如说VGG16，都是摆上从论文里截过来的下面这张图：
或者给出像下面的架构图：
对于数据从输入到输出，中间是如何变化的，神经元个数，参数个数又是怎么变化的，如何自己设计一个合理的CNN网络等等，没有教程能把这些说清楚，推荐看吴恩达老师的课程视频，对英文不好的童鞋其实是很吃力的。入门其实并不难，内容也不难理解，倒是被千篇一律的教程带进沟来。
VGG16本来就简单，但是越简单的东西"大牛"们往往不想去解释，说是“入门教程”，基础的不解释怎么教人入门。
现在详细介绍VGG16 , 需要补充一点神经网络的知识，9行Python代码搭建神经网络来掌握一些基本概念
一张图片如何作为输入？
如下图，彩色图像有RGB三个色值通道，分别表示红、绿、蓝，每个通道内的像素可以用一个像下图右边的二维数组表示，数值代表0-255之间的像素值。假设一张900*600的彩色的图片，计算机里面可以用 (900*600*3)的数组表示。
什么是卷积
卷积过程是基于一个小矩阵，也就是卷积核，在上面所说的每层像素矩阵上不断按步长扫过去的，扫到数与卷积核对应位置的数相乘，然后求总和，每扫一次，得到一个值，全部扫完则生成一个新的矩阵。如下图
卷积核如何设置可以参考卷积神经网络的卷积核大小、个数，卷积层数如何确定呢？一般取(3,3)的小矩阵，卷积核里面每个值就是我们需要寻找（训练）的神经元参数(权重)，开始会随机有个初始值，当训练网络时，网络会通过后向传播不断更新这些参数值，直到寻找到最佳的参数值。如何知道是“最佳”？是通过损失函数去评估。
卷积核的步长是指卷积核每次移动几个格子，有横行和纵向两个方向。
卷积操作相当于特征提取，卷积核相当于一个过滤器，提取我们需要的特征。
如下图，左边小红色框是卷积核，从左上角扫到右下角，最终得到右边的特征图谱。
卷积：如何成为一个很厉害的神经网络
什么是Padding
卷积操作之后维度变少，得到的矩阵比原来矩阵小，这样不好计算，而我们只是希望作卷积，所以我们需要Padding，在每次卷积操作之前，在原矩阵外边补包一层0，可以只在横向补，或只在纵向补，或者四周都补0，从而使得卷积后输出的图像跟输入图像在尺寸上一致。
比如：我们需要做一个300*300的原始矩阵的卷积，用一个3*3卷积核来扫，扫出来结果的矩阵应该是：298*298的矩阵，变小了。
卷积前加 Padding 操作补一圈0，即300*300矩阵外面周围加一圈“0”，这样的300*300就变成了302*302的矩阵，再进行卷积出来就是300*300 ，尺寸和原图一样。
什么是池化(pooling)
卷积操作后我们提取了很多特征信息，相邻区域有相似特征信息，可以相互替代的，如果全部保留这些特征信息就会有信息冗余，增加了计算难度，这时候池化就相当于降维操作。池化是在一个小矩阵区域内，取该区域的最大值或平均值来代替该区域，该小矩阵的大小可以在搭建网络的时候自己设置。小矩阵也是从左上角扫到右下角。如下图
什么是Flatten
Flatten 是指将多维的矩阵拉开，变成一维向量来表示。
什么是全连接层
对n-1层和n层而言，n-1层的任意一个节点，都和第n层所有节点有连接。即第n层的每个节点在进行计算的时候，激活函数的输入是n-1层所有节点的加权。像下面的中间层就是全连接方式。
什么是Dropout
dropout是指在网络的训练过程中，按照一定的概率将网络中的神经元丢弃，这样有效防止过拟合。
现在我们来看看VGG16的整天架构图：
从左至右，一张彩色图片输入到网络，白色框是卷积层，红色是池化，蓝色是全连接层，棕色框是预测层。预测层的作用是将全连接层输出的信息转化为相应的类别概率，而起到分类作用。
可以看到 VGG16 是13个卷积层 3个全连接层叠加而成。
以下是一个基于kares 的VGG6 代码：
完整代码地址：
关注微信公众号datayx 然后回复“VGG”即可获取。
详细解释一下代码
网络开始输入(3,224,224)的图像数据，即一张宽224，高244的彩色RGB图片，同时补了一圈0
ZeroPadding2D((1,1)
这个函数是指在横向和纵向，即四周都补0
接着是卷积层。有64个(3,3)的卷积核，激活函数是relu ,
model.add(Convolution2D(64, 3, 3, activation='relu'))
一个卷积核扫完图片，生成一个新的矩阵，64个就生成64 层。
接着是补0，接着再来一次卷积。此时图像数据是64*224*224
model.add(ZeroPadding2D((1,1)))
model.add(Convolution2D(64, 3, 3, activation='relu'))
接着是池化，小矩阵是(2,2) ，步长(2,2),指的是横向每次移动2格，纵向每次移动2格。
model.add(MaxPooling2D((2,2), strides=(2,2)))
按照这样池化之后，数据变成了64*112*112，矩阵的宽高由原来的224减半，变成了112
再往下，同理，只不过是卷积核个数依次变成128，256，512，而每次按照这样池化之后，矩阵都要缩小一半。
13层卷积和池化之后，数据变成了 512*7*7
然后Flatten()，将数据拉平成向量，变成一维512*7*7=25088
接着是3个全连接层
这里很少有人解释为什么全连接层里有4096 个神经元，其他数行不行？
其实这里4096只是个经验值，其他数当然可以，试试效果，只要不要小于要预测的类别数，这里要预测的类别有1000种，所以最后预测的全连接有1000个神经元。如果你想用VGG16 给自己的数据作分类任务，这里就需要改成你预测的类别数。
至此VGG16整个网络架构以及数据变化都清楚了。
如果要设计其他类型的CNN网络，就是将这些基本单元比如卷积层个数、全连接个数按自己需要搭配变换，是不是很简单？
下面我们再来解释一下VGG16里面参数个数如何变化
这里主要看两列数据，一个是memory , 表示的是数据流变化。
一个是weights 表示的是参数变化。作卷积的时候才有参数，即卷积核内的值。全连接的神经元也有参数，一个神经元包含一个权重值。
刚开始是彩色图像3层色值通道，每层64个 (3,3) 的卷积核，所以参数个数是3*64*3*3
第一次卷积之后，数据变成64* 224*224，即有64层宽224，高224的矩阵数据，再次卷积时，还是每层64个 (3,3) 的卷积核，参数个数变成64*64*3*3，往下都是以此类推。
我们看到参数个数最多时达到1600万个，要是更大的图片参数会更多，普通计算机要训练这么庞大的参数会很卡，所以很多人做深度学习的就要求配置GPU 来提高训练速度。
下面用VGG16 来做一个图像识别案例：
完整代码地址：
关注微信公众号datayx 然后回复“VGG”即可获取。
VGG16 是基于大量真实图像的 ImageNet 图像库预训练的网络
vgg16对应的供keras使用的模型人家已经帮我们训练好，我们将学习好的 VGG16 的权重迁移（transfer）到自己的卷积神经网络上作为网络的初始权重，这样我们自己的网络不用从头开始从大量的数据里面训练，从而提高训练速度。这里的迁移就是平时所说的迁移学习。
对应的模型已经下载好来，可以通过上面的方式获取。
预测2
预测3
